神经网络神经元的结构示意图

### 神经网络中的神经元结构

在人工神经网络中，神经元作为最基本的功能单元起到了至关重要的作用[^1]。每一个神经元接收来自其他神经元的输入信号，并通过激活函数处理这些加权后的输入来决定自身的输出状态。

#### 单个神经元的工作原理

单个神经元可以被视作一个多输入单输出的信息处理器：

- 输入端口接受多个前驱节点传递过来的数据流；
- 这些数据会乘上相应的权重系数；
- 加总之后再经过偏置项调整；
- 经过激活函数变换最终形成该神经元对外界刺激响应的结果。

       ┌───────────────┐
input  │               │ output=f(Σ(w_i*x_i)+b)
----->│    Neuron     ├──->
      │               │  
       └───────────────┘
          |        |
         w_0      b (bias)

此处展示了一个简化版的人工神经元模型图示。其中`w_i`代表第i个输入对应的权重；`x_i`表示第i个实际输入值；而f()则是指代所使用的特定类型的激活函数。