Модель нейрона Маккаллоха-Питтса является чрезвычайно упрощенной моделью реальных биологических нейронов. Некоторые из его недостающих функций включают в себя:
Небинарные входы-выходы, нелинейное суммирование, гладкую пороговую обработку, стохастическую (недетерминированную) и временную обработку информации.Он допускает только двоичное значение (0,1). Он имеет пороговую функцию в качестве функции активации. Это первая математическая модель биологического нейрона.
Ограничения MP-нейрона
- Внебулевых (скажем, реальных) входных данных?
- Всегда ли нам нужно вручную кодировать порог? <==
- Все входы равны? Что, если мы хотим придать большее значение некоторым входным данным?
- Функции, которые не являются линейно разделимыми? Скажем, функция XOR.
Только вручную закодировав пороговый параметр, нейрон MP может удобно представлять логические функции, которые являются линейно разделимыми. Порог или знак sigmod : не определен как гладкая (дифференцируемая) форма пороговой функции.
Теперь понятно, почему сегодня не используется нейрон МП. Преодолев ограничения нейрона MP, Фрэнк Розенблатт, американский психолог, предложил классическую модель восприятия, мощный искусственный нейрон, в 1958 году. Это более обобщенная вычислительная модель, чем нейрон Маккаллоха-Питтса,где веса и пороги могут быть изучены с течением времени.
Модель Маккаллоха не может обучаться сама по себе из-за пороговой логики.