[人工智能-深度学习-4]:生物神经系统与神经元细胞简介

文火冰糖的硅基工坊 文火冰糖的硅基工坊     2022-12-31     646

关键词:

作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:[人工智能-深度学习-4]:生物神经系统与神经元细胞简介_文火冰糖(王文兵)的博客-CSDN博客


目录

第1章 人体神经系统/神经网络概述

1.1 概述

1.2 人体神经系统对于人工智能的意义

第2章 人体神经系统的分类与组成

2.1 神经系统的分类

2.2 外周神经系统的分类与组成

第3章 人体中枢神经系统的组成

3.1 概述

3.2 脊髓

3.3 大脑

第4章 生物神经元

4.1 神经元的结构组成

4.2 生物神经元对生物电的传播

4.3 神经元组成的网络:大脑神经网络



第1章 人体神经系统/神经网络概述

1.1 概述

神经系统(nervoussystem)是机体内起主导作用的系统。

(1)神经系统调节和控制人体各其他系统的复杂活动,使机体成为一个完整的统一有机体。

例如,当参加体育运动时,随着骨骼肌的收缩,出现呼吸加快加深、心跳加速、出汗等一系列变化。

(2)神经系统通过调整机体功能活动,使机体适应不断的外界环境,维持机体与外界环境的平衡。

如气温低时,通过神经系统的调节,使周围小血管收缩,减少体内热量散发;

气温高时,周围小血管扩张,增加体内热量的散发,以维持体温在正常水平。

(3)人类在长期的进化发展过程中,神经系统特别是大脑皮质得到了高度的发展,产生了语言和思维,人类不仅能被动地适应外界环境的变化,而且能主动地认识客观世界,改造客观世界,使自然界为人类服务,这是人类神经系统最重要的特点。

人体各器官、系统的功能都是直接或间接处于神经系统的调节控制之下,神经系统是整体内起主导作用的调节系统。

可以这样讲,人能进行各种“智能”活动的根本原因在于人体的神经系统。

1.2 人体神经系统对于人工智能的意义

人工智能,有一个分支就就是研究人体神经系统的原理,通过计算机的方式模拟和仿真人体神经系统,使得机器具备像人一样的“智能”。

人工智能中最近几年最火热的“深度学习“就是借鉴大脑神经元和大脑神经系统的原理,而建立回来的一套人工神经网络。使得机器的学习能力相对于传统的基于固定式数据模型的机器学习,深度学习的智能程度得到的极大的提升。

第2章 人体神经系统的分类与组成

2.1 神经系统的分类

神经系统按部位可分为:
(1)中枢神经系统

  • 脑,脑位于颅腔内。
  • 脊髓,脊髓位于椎管内。

(2)周围神经系统(外周神经系统):

  • 与脑相连的12对脑神经
  • 与脊髓相连的31对脊神经。

2.2 外周神经系统的分类与组成

又称为动物神经系统, 含有躯体感觉躯体运动神经。

主要分布于皮肤和运动系统(骨、骨连结和骨骼肌),管理皮肤的感觉和运动器的感觉及运动。

又称自主神经系统, 植物神经系统,主要分布于内脏、心血管和腺体,管理它们的感觉和运动。

含有内脏感觉(传入)神经和内脏运动(传出)神经。

内脏运动神经又根据其功能分为交感神经和副交感神经

正式通过周围神经系统,中枢神经系统实现对人体整个器官的检测和控制。

第3章 人体中枢神经系统的组成

3.1 概述

中枢神经系统(英文名称:Central Nervous System,中文名称中枢神经)是由脑和脊髓组成(脑和脊髓是各种反射弧的中枢部分),是人体神经系统的最主体部分。

中枢神经系统接受全身各处的传入信息,经它整合加工后成为协调的运动性传出,或者储存在中枢神经系统内成为学习、记忆的神经基础。

其中中枢神经系统的大脑,是实现人类的思维活动的生物基础。

3.2 脊髓

中枢神经系统的低级部位,位于椎管内,前端枕骨大孔与脑相接,外连周围神经,31对脊神经分布于它的两侧,后端达盆骨中部。

脊髓的功能有以下两个方面:

(1)传导功能

全身(除头外)深、浅部的感觉以及大部分内脏器官的感觉,都要通过脊髓白质才能传导到脑,产生感觉。而脑对躯干,四肢横纹肌的运动调节以及部分内脏器官的支配调节,也要通过脊髓白质的传导才能实现。若脊髓受损伤时,其上传下达功能便发生障碍,引起感觉障碍和瘫痪。

(2)反射功能:

脊髓灰质中有许多低级反射中枢,可完成某些基本的反射活动;如肌肉的牵张反射中枢,排尿排粪中枢、性功能活动的低级反射中枢,跖反射、膝跳反射和内脏反射等躯体反射。

3.3 大脑

中枢神经系统的高级部位,由左、右两个大脑半球组成,两半球间有横行的神经纤维相联系。

每个半球包括:大脑皮层(大脑皮质):是表面的一层灰质(神经细胞的细胞体集中部分)。

人的大脑表面有很多往下凹的沟(裂),沟(裂)之间有隆起的回,因而大大增加了大脑皮层的面积。

人的大脑皮层最为发达,是思维的器官,主导机体内一切活动过程,并调节机体与周围环境的平衡,所以大脑皮层是高级神经活动物质基础

(1)驱动的运动功能

大脑的运动系统负责产生和控制运动。产生的运动从大脑通过神经传递到身体运动神经元,达到控制肌肉的作用。皮质脊髓束将运动信息从大脑,脊髓传递至到躯干和四肢。脑神将运动信息传递至眼睛,嘴巴和脸部区域。

(2)感官的感觉功能

感觉神经系统涉及感觉信息的接收和处理。

这些信息通过特定的感受器官(视觉,嗅觉,听觉和味觉)的被接受传至大脑。

  • 视觉皮质:视觉首先由视网膜接外部光刺激,其被视锥细胞视杆细胞接受并转化为神经信号,并最终发送到枕叶中的视觉皮质
  • 听觉皮层:听觉和平衡觉都是在内耳中产生的。平衡觉是由内耳内的液体运动产生的而由小骨骨骼产生的传播振动产则负责传递声音信息。他们通过前庭耳蜗神经产生神经信号。神经信号通过耳蜗核,上极的橄榄核,内侧膝状核,最后到听觉皮层。
  • 嗅觉皮质:嗅觉由鼻腔中嗅粘膜上皮中的受体细胞产生。该信息通过颅骨的相对可渗透的部分到嗅神经。这种神经把信息传递到嗅觉皮层。值得一提的是,在所有感觉信息中,只有嗅觉信息不需要经过丘脑上的核团而直接传递至到大脑皮层。
  • 味觉皮层:味觉是由舌头上的受体产生的,并沿着面部和咽喉神经传入脑干。一些口腔中的感信息也通过迷走神经从咽部传入这一区域。然后将信息从这里通过丘脑传递到味觉的皮层
  • 其他感觉:大脑从皮肤接收关于触摸,压力,疼痛,振动和温度的信息。

(3)情绪情感

尝试将某些大脑区域的喜怒哀乐等基本情绪相关联目前还存在着极大的有争议,一些研究没有发现与情绪相对应的特定位置。

杏仁核、眶额叶皮质、脑岛及外侧前额叶皮层区域似乎参与到了情绪的加工过程。

(4)语言思维

虽然传统上语言功能被认为是定位于威尔尼克区(Wernicke)和布洛卡区(Broca),但现在人们普遍认为,更广泛的皮层区域对语言使用有贡献。

语言如何被大脑表征,处理和获取的是心理学和神经科学研究等领域正着力研究的一个问题。

这也是人工智能深度学习目前研究最热门的领域。

(5)执行功能

执行功能是允许认知控制行为所需的一套认知过程的总称:他负责选择并成功监测促进实现所选目标的行为。

执行功能通过注意控制和认知抑制过滤无用信息和降低与抑制无关的刺激,处理和操纵在工作记忆中保存的信息,同时思考多个概念的能力,并以认知灵活性切换任务,抑制冲动性行为等。

第4章 生物神经元

4.1 神经元的结构组成

生物神经元即神经元细胞,是神经系统最基本的结构和功能单位。

神经细胞分为细胞体和突起两部分。

(1)细胞体:由细胞核、细胞膜、细胞质组成,具有联络和整合输入信息并传出信息的作用。

(2)突起有树突和轴突两种。

  • 树突:

短而分枝多,直接由细胞体扩张突出,形成树枝状。

其作用是接受其他神经元轴突传来的冲动并传给细胞体(传入)

  • 轴突:

长而分枝少,为粗细均匀的细长突起,常起于轴丘,其作用是接受外来刺激,再由细胞体传出。

轴突除分出侧枝外,其末端形成树枝样的神经末梢。末梢分布于某些组织器官内,形成各种神经末梢装置。

感觉神经末梢形成各种感受器;

运动神经末梢分布于骨骼肌肉,形成运动。

4.2 生物神经元对生物电的传播

4.3 神经元组成的网络:大脑神经网络

 大脑是有无数个神经元组成的网络,生物电在神经网络之间的传输形成两个大脑的各种活动 。


作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:[人工智能-深度学习-4]:生物神经系统与神经元细胞简介_文火冰糖(王文兵)的博客-CSDN博客

神经网络与深度学习摘要第1章绪论

...章绪论文章目录【神经网络与深度学习摘要】第1章绪论1.人工智能1.1图灵测试1.2人工智能的主要领域1.3人工智能的发展历史1.4人工智能的流派2.机器学习2.1机器学习定义2.2使用机器学习模型步骤3.表示学习3.1表示学习定义3.2语义... 查看详情

深度学习(001)-深度学习简介

...学模型用于对函数惊醒估计或者近似更好的解决问题四,神经元:1.神经网络中的基础,相互连接,组成神经网络2.T=f(W^TA+b)五,单层神经网络:六,感知机:七,多层神经网络:八,激活函数:1.作用:增加非线性分割能力提高... 查看详情

干货|深入理解深度学习中的激活函数(代码片段)

...函数与生物神经网络的关联依然是十分有用的。一个典型神经元的物理结构由细胞体、向其他神经元发送信息的轴突以及从其他神经元接受信号或信息的树突组成。?图一生物神经网络?图一中,红色的圆圈表示两个神经元连接的... 查看详情

绪论

...章绪论文章目录【神经网络与深度学习摘要】第1章绪论1.人工智能1.1图灵测试1.2人工智能的主要领域1.3人工智能的发展历史1.4人工智能的流派2.机器学习2.1机器学习定义2.2使用机器学习模型步骤3.表示学习3.1表示学习定义3.2语义... 查看详情

14深度学习-卷积(代码片段)

1.简述人工智能、机器学习和深度学习三者的联系与区别。  人工智能是最早出现的,其次是机器学习,最后是深度学习,当今人工智能大爆炸的核心驱动。        区别和联系:   2.全连接神经网络与卷积... 查看详情

[人工智能-深度学习-30]:卷积神经网络cnn-感受野,特征的提取与范围的扩散

作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/details/120833158目录第1章什么感受野1.1生物学对感受野的定义1.2卷积神经网络中... 查看详情

[人工智能-深度学习-7]:神经网络基础-人工神经网络ann

作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/details/120405856目录第1章人工神经网络ANNG概述1.1生物神经网络回顾1.2人工神经... 查看详情

深度学习-神经网络(pytorch应用)(代码片段)

...简介卷积层池化层激活层线性层前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。简介上图摘自网络受生物神经网络的启发,每个神经元与其他神经元... 查看详情

深度学习-神经网络(pytorch应用)(代码片段)

...简介卷积层池化层激活层线性层前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。简介上图摘自网络受生物神经网络的启发,每个神经元与其他神经元... 查看详情

神经网络基础

...称DL)在算法领域可谓是大红大紫,现在不只是互联网、人工智能,生活中的各大领域都能反映出深度学习引领的巨大变革。要学习深度学习,那么首先要熟悉神经网络(NeuralNetworks,简称NN)的一些基本概念。当然,这里所说的... 查看详情

14深度学习-卷积

1.简述人工智能、机器学习和深度学习三者的联系与区别。答:机器学习是现在人工智能领域中主流的一种方法,除了机器学习,科学家也尝试过其他方法在人工智能领域进行诠释和发展,而深度学习则是机器学习里面主流的方... 查看详情

14深度学习-卷积(代码片段)

1.简述人工智能、机器学习和深度学习三者的联系与区别。 联系:深度学习使得机器学习能够实现众多应用,并拓展了人工智能的领域范畴。区别:人工智能是目的,是结果;深度学习、机器学习是方法,是工具;深度学习... 查看详情

14深度学习-卷积

1.简述人工智能、机器学习和深度学习三者的联系与区别。  区别:(1)人工智能:目的和结果,深度学习,机器学习是方法,是工具。(2)机器学习:一种实现人工智能的方法;机器学习都可以被精准地定义为:1、任... 查看详情

[人工智能-深度学习-37]:卷积神经网络cnn-重构神经网络的疑惑与思考?

...文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:[人工智能-深度学习-37]:卷积神经网络CNN-重构神经网络的疑惑与思考?_文火冰糖(王文兵)的博客-CSDN博客如果你看懂我的疑惑如果你能够理解我的思考 查看详情

2.深度学习与神经网络基础

1.人工智能、机器学习和深度学习的概念及关系人工智能(ArtificialIntelligence,AI)——为机器赋予人的智能,即计算机能够像人类一样完成更智能的工作。机器学习是实现人工智能的一种手段。何为“学习”?“如果一个程序可... 查看详情

深度学习与图神经网络核心技术实践应用高级研修班-day1深度学习的发展历史(完整版)

深度学习的常用模型及方法-深度学习发展历史1.深度学习发展历史2.深度学习的发展趋势3.人工神经网络4.模型与算法4.1前馈神经网络4.2前馈神经网络特点4.3前馈神经网络结构4.4BP神经网络4.5BP网络结构4.6BP网络学习算法4.6.1信号的... 查看详情

对比《动手学深度学习》pdf代码+《神经网络与深度学习》pdf

随着AlphaGo与李世石大战的落幕,人工智能成为话题焦点。AlphaGo背后的工作原理"深度学习"也跳入大众的视野。什么是深度学习,什么是神经网络,为何一段程序在精密的围棋大赛中可以大获全胜?人工智终将会取代人类智慧吗... 查看详情

深度学习是啥深度学习的意思是啥

...了传统的多层神经网络,甚至机器学习的范畴,逐渐朝着人工智能的方向快速发展。 查看详情