神经元的工作原理

大脑神经系统无论从构造和功能来讲，都称得上是一个非常复杂的巨系统。

2019年8月，谷歌与霍华德休斯医学研究所(HHMI)和剑桥大学合作，发布了一项最新深入研究果蝇大脑的研究成果——自动重建整个果蝇的大脑。果蝇的一个重要优势是它们的大小：果蝇的大脑相对较小，只有10万个神经元，相比之下，老鼠的大脑有1亿个神经元，人类的大脑有1000亿个神经元。研究人员称，由于成像的高分辨率，即使只有一立方毫米的脑组织，也可以产生超过1000TB 的数据。

 

 

神经元的结构

 

• 细胞体是神经元的主体，它包括细胞核、细胞质和细胞膜三部分
• 树突主要接受来自其他神经元的信号，是接受器
• 轴突用来输出细胞体产生的电脉冲信号，是发射器
• 轴突的末端形成许多分支，称作神经末梢，每条神经末梢与其他神经元通过突触相连并传递信号

• 髓鞘是包裹在神经细胞轴突外面的一层膜

 

神经元的工作过程
 

其他神经元的信号（输入信号）通过树突传递到细胞体（也就是神经元本体）中，细胞体把从其他多个神经元传递进来的输入信号进行合并加工，然后再通过轴突前端的突触传递给别的神经元。神经元就是这样借助突触结合而形成网络的。

如上图所示，神经元1的轴突传递了4个信号给神经元2，分别是输入1、输入2、输入3和输入4。而神经元2的输出信号（输出1和输出2）分别是神经元3的输入信号（输入1和输入2）。

如果输入信号之和超过神经元固有的边界值（阈值），细胞体就会做出反应，向与轴突连接的其他神经元传递信号，这称为点火。

点火时神经元输出的信号大小时固定的。即便从邻近的神经元接收到很大的刺激，或者轴突连接着多个神经元，这个神经元也只输出固定大小的信号。点火的输出信号是由"0" 或 "1"表示的数字信息：

• 无输出信号，
• 有输出信号，

 

神经元与数学的挂钩——M-P神经元模型

1943年， [McCulloch and Pitts, 1943] 将神经元的工作过程抽象为上图所示的简单模型，这就是一直沿用至今的 "M-P神经元模型" 。

在这个模型中，神经元接收到来自 m 个其他神经元传递过来的输入信号，这些输入信号通过带权重（weights）的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过"激活函数" (activation function) 处理以产生神经元的输出。神经元在信号之和超过阈值时点火，不超过阈值时不点火。

所以点火的函数可以表示为：

其中，称为激活函数。理想中的激活函数是下图所示的阶跃函数，它将输入值映射为输出值 "0" 或 "1" ，显然，

• "1" 对应于神经元兴奋（点火成功）
• "0" 对应于神经元抑制（点火不成功）

然而，阶跃函数具有不连续、不光滑等不太好的性质，因此实际常用Sigmoid函数作为激活函数，我将在后面的章节中介绍Sigmoid函数。

 

下一章，我们将介绍神经网络的雏形——感知机

 

References：

知乎：谷歌自动重建了果蝇完整大脑：40 万亿像素图像首度公开！， 新智元