愛華網(wǎng)實際的生物神經(jīng)工作在電脈沖輸入和輸出的情形；輸入是由“觸突”完成的，觸突的前面是上一個神經(jīng)元的輸出——軸突，后面是本神經(jīng)元的細胞體——神經(jīng)細胞膜；細胞膜和神經(jīng)元的軸突是相連的，所以一個神經(jīng)細胞的輸出是個一次性的激發(fā)過程——輸出一個電脈沖；因此，神經(jīng)細胞膜的動作代表著這個細胞的整體行為，它是在輸入不斷刺激下，當激發(fā)化學成分達到一定程度時的一次“激動”。
一個神經(jīng)元有許多輸入端（當然也有較少的輸入，完成中繼放大的作用）神經(jīng)輸入——觸突，每個觸突的大小可以是不同的，也就是它們由接受輸入脈沖到刺激本神經(jīng)元的細胞膜的強度是不一樣的。在人為的描述中我們以連接強度——權重值表示（如圖中的a，b等等）。
這些由觸突連接和電脈沖傳遞的網(wǎng)絡，為了簡單人為將他們表示為一個連續(xù)的量（如圖中的x1,x2等等）。但這種表示與實際還是有差別的。
人為的神經(jīng)元模型如圖所示，輸出y可以表示為：
y=a*x1+b*x2+c*x3+d*x4的形式；其中的輸入數(shù)量（這里為4）認為是輸入“信息”空間的大小。但是，如此的神經(jīng)元如果我們將它們級聯(lián)許多，其效果如同一個神經(jīng)元，因為其中只有“線性”的關系。生物在自然形成中具有很好的優(yōu)化和“智慧”；一個神經(jīng)元的輸出，我們已經(jīng)說明了，它不是一下子就傳遞的，是要有積累的，并且輸出的脈沖每次也是單一的，有限的；所以實際的神經(jīng)元的輸出對輸入而言是呈“非線性”的；在人為的神經(jīng)元中就是函數(shù)f，它是一個非線性的影射函數(shù)；它的存在十分重要，它能將有限的輸入空間維數(shù)加以增加，使神經(jīng)網(wǎng)絡具有識別復雜形狀的能力！
一個如下功能的神經(jīng)元能干什么哪？
y=f（a*x1+b*x2+c*x3+d*x4）
這個例子中選用了4個輸入變量（x1,x2,x3,x4）,所以輸入空間的維數(shù)是4.而觸突強度（a,b,c,d）實際上是對這些變量的一個限制。如我們解如下方程，
a*x1+b*x2+c*x3+d*x4=0
我們能知道，變量所在的區(qū)域是一個在4維空間中鑲嵌的一個“平面”，我們叫它“超平面”（3維空間，比樣本空間少一維）。其中這個平面有一個正方向，即平面的“法”矢量方向，以以上例子，這個法向矢量就是（a,b,c,d）。
所以一個神經(jīng)元能夠判斷輸入的變量（x1,x2,x3,x4）處于“超平面”的正方向上，還是反方向上，還是處于這個“超平面”之上；當樣本點在“平面”的正方向上，神經(jīng)元輸出為正值，否則就為0和負值；也就是這個神經(jīng)元是輸出一個電脈沖，還是保持不動作。
而神經(jīng)元的輸出經(jīng)過非線性變形，可以將空間中的樣本的復雜性通過層疊的網(wǎng)絡加以簡化，從而說神經(jīng)網(wǎng)絡在理想意義下可以處理任意的復雜問題。這就是一個神經(jīng)元和它作用在網(wǎng)絡中的功能和模型；但我們可能也注意到真實的神經(jīng)元是以脈動的電脈沖為傳遞信息的信號，在一定意義下這樣的神經(jīng)元還處理著“時間”空間的信息，所以生物神經(jīng)元還具有在時間空間上對問題的優(yōu)化；而這一點是現(xiàn)代人工神經(jīng)元欠缺的！
神經(jīng)元的學習是指對“觸突”——連接強度的調整；用最簡單的Hebb學習規(guī)則就可以了；對一組樣本集中的每一個樣本做如下的調整：
設有n個樣本，用i表示其中的一個，x1i表示第一個觸突上現(xiàn)在輸入的第i個樣本值，yi為輸入第i個樣本時神經(jīng)元的實際輸出；而正確的輸出應為Yi，那么本次對第一個觸突a的調整量為：
da = r * （Yi -yi）* x1i，
a = a +da
其中r是一個較小的正數(shù)。i取1到n，輪流進行學習。學習中r如果很大會出現(xiàn)學習的跳躍，甚至發(fā)散；對復雜的問題要用級聯(lián)的網(wǎng)絡，網(wǎng)絡中間的神經(jīng)元數(shù)量越多學習的用時就越短；因為神經(jīng)網(wǎng)絡對問題事先是不知道的，中間層的神經(jīng)元決定的“超平面”全都是隨機的；一旦“超平面”趨向問題的解決方向學習就會很快結束。
猴子的智力僅次于人，就是有些重要的網(wǎng)絡還沒有轉到較高的智力結構上；人的智力發(fā)育也是如此，小時候的“弱智”，不一定長大就弱，那是因為這些人的神經(jīng)學習還沒有到達“啟蒙”期；所以我不贊成小孩從小就強化學習；相對“弱”，也并不等于以后智力不如別人！
