第 3 章 研究方法
3.2 類神經網路
3.2.1 類神經網路概論
為合併誤差變異數(Pooled Error Variance)，
n
eff為有效觀測數，r
為確認實驗所需樣 本。其中 ˆ
為 SN 平均值，
為預測之平均值，因此可推論
的 95%信賴區間 (Confidence Interval)為 ˆ CI
SN ˆ CI
SN。3.2 類神經網路
類神經網路起源於 1957 年，由於「感知機」(perceptron)之提出，曾風靡一時，
此為最早的類神經網路模式，感知機通常被拿來做分類器使用。而在 1960 年中期，
類神經網路(Artificial Neural Network)又稱人工神經網路，它是由生物學上所得到
之靈感，是一種計算系統，包含硬體與軟體。它使用大量簡單相連人工神經元來模仿 生物神經網路的能力。人工神經元是生物神經元的簡單模擬，它從外界環境或其他人 工神經元取得資訊，並加以簡單的運算，且輸出其結果到外界環境或者其他人工神經 元[28]。要瞭解類神經網路，就必須先瞭解生物神經網路，生物神經網路是由約 1011 個神經細胞，又稱為神經元(Neuron)所組成的，神經元是腦組織的基本單元，神經元 內部的運作機制如下：(如圖 3-1)。
1.神經核(Soma)：它是神經細胞的中心體，其作用為將神經樹收集到的信號，在此作 加總後再作一次非線性轉換，再經由神經軸將信號傳送到其他的神經細胞中。
2.神經軸(Axon)：連接在神經細胞核上，用來傳送由神經細胞核產生的信號至其他的 神經細胞中。
3.神經樹(Dendrites)：神經樹分為兩種：輸入神經樹及輸出神經樹。在圖 3-1 中左邊 接到神經核的神經樹是用來接收其他神經細胞傳來的信號，稱為輸入神經樹。而在圖 3-1 右側接到神經軸的神經樹是用來傳送信號至其他神經細胞，稱為輸出神經樹。故 神經樹是神經細胞呈樹枝狀的輸出入機構。
4.神經節(Synapse)：輸入神經樹和輸出神經樹相連接的點稱為神經節，如圖 3-1 中以 小圓圈框起來的接點即是。每個神經細胞大約有 1000 個神經節。神經節是神經網路 上的記憶體，它表示兩個神經細胞間的聯結強度，將此聯結強度以一個數值來表示，
並稱之為加權值(Weight)。一般而言，當神經網路在進行學習時，外界刺激神經細胞 所產生的電流會改變神經節上的加權值。在學習過程中，外界刺激所產生的電流反覆 在神經網路上流動，神經節上的加權值也反覆地改變，最後會慢慢的驅向穩定，此時 代表學習已經完成。若神經網路是處於認知或辨識的過程中，由外界刺激所產生的電 流，在進入神經網路後，會與儲存在神經節上的加權值做簡單之運算處理。當處理後 之信號為可辨識的信號時，則外界事物即是神經網路可認知或辨識的事物了。
圖 3-1 生物神經細胞結構圖
圖 3-2 人工神經元結構圖
類神經網路是由許多的人工神經細胞 (Artificial Neuron) 所組成，人工神經細胞 又稱類神經元、人工神經元或處理單元(Processing Element)。每個處理單元的輸出 以扇狀送出，成為其他處理單元的輸入。圖 3-2 表示一個人工神經元結構圖。處理單 元為類神經網路組成之基本單位。而輸出值與輸入值之間的關係可以下列方程式來表 示：
輸入訊號 Yj 輸出訊號
X1
X2
: Xi
: : Xn
netj
處理單元淨值 閥值j
連結加權值 Wij
轉換函數 f 神經節
神經細胞核
神經軸 神經樹
) X
W ( f Y
i
j i ij
j
(3-15)其中，
Y
j=模仿生物神經元模型的輸出訊號。f
=模仿生物神經元模型的轉換函數(Transfer Function)，是一個用將從上一層處理單 元的輸入值以加權乘積和轉換成處理單元輸出值的數學公式。W
ij=模仿生物神經元模型的神經節點強度，又稱連結加權值。X
i=模仿生物神經元模型的輸入訊號。
j=模仿生物神經元模型的閥值。介於處理單元間的訊號傳遞路徑稱為連結(Connection)。每一個連結上有一個加 權值