人工神經元是一個數學函數視為一個模型生物的神經元，一個神經網絡。人工神經元是人工神經網絡中的基本單元。人工神經元接收一個或多個輸入（代表神經樹突處的興奮性突觸后電位和抑制性突觸后電位）并將它們相加以產生輸出（或激活，代表沿其軸突傳遞的神經元的動作電位）。通常每個輸入都單獨加權，總和通過一個非線性函數，稱為激活函數或傳遞函數。傳遞函數通常具有sigmoid形狀，但它們也可能采用其他非線性函數、分段線性函數或階躍函數的形式。它們也經常單調遞增、連續、可微且有界。閾值函數啟發了構建邏輯門，稱為閾值邏輯；適用于構建類似大腦處理的邏輯電路。例如，近來已廣泛使用諸如憶阻器之類的新器件來開發此類邏輯。

人工神經元傳遞函數不應與線性系統的傳遞函數混淆。

根據使用的特定模型，它們可能被稱為半線性單元、Nv神經元、二元神經元、線性閾值函數或McCulloch-Pitts(MCP)神經元。

簡單的人工神經元，例如McCulloch-Pitts模型，有時被描述為“漫畫模型”，因為它們旨在反映一個或多個神經生理學觀察，但不考慮現實主義。

此部分需要擴展。您可以通過添加來提供幫助。

人工神經元旨在模仿其生物對應物的各個方面。

• 樹突——在生物神經元中，樹突充當輸入向量。這些樹突允許細胞接收來自大量(>1000)相鄰神經元的信號。如在上述數學處理中，每個樹突都能夠通過該樹突的“權重值”執行“乘法”。倍增是通過增加或減少突觸神經遞質與響應突觸神經遞質而引入樹突的信號化學物質的比率來實現的。可以通過響應突觸神經遞質的接收沿樹突傳輸信號抑制劑（即帶相反電荷的離子）來實現負倍增效應。
• Soma–在生物神經元中，Soma充當求和函數，如上述數學描述所示。當正負信號（分別為興奮和抑制）從樹突到達胞體時，正負離子通過簡單地在細胞體內的溶液中混合在一起而有效地相加。
• 軸突——軸突從胞體內部發生的求和行為中獲取信號。軸突的開口本質上是對胞體內部溶液的電位進行采樣。一旦體細胞達到一定的電位，軸突就會沿其長度傳輸一個全輸入信號脈沖。在這方面，軸突表現為我們將人工神經元連接到其他人工神經元的能力。

然而，與大多數人工神經元不同，生物神經元以離散脈沖的方式激發。每次胞體內部的電勢達到某個閾值時，就會沿著軸突向下傳輸一個脈沖。這種脈沖可以轉化為連續值。軸突激發的速率（每秒激活等）直接轉換為相鄰細胞將信號離子引入它們的速率。生物神經元激發的速度越快，附近的神經元積累電勢（或失去電勢，取決于連接到激發神經元的樹突的“權重”）的速度就越快。正是這種轉換使計算機科學家和數學家能夠使用可以輸出不同值（通常從-1到1）的人工神經元模擬生物神經網絡。

研究表明，一元編碼用于負責鳥鳴產生的神經回路。在生物網絡中使用一元可能是由于編碼固有的簡單性。另一個影響因素可能是一元編碼提供了一定程度的糾錯。

xxx個人工神經元是閾值邏輯單元(TLU)，或線性閾值單元，由WarrenMcCulloch和WalterPitts在1943年首次提出。該模型專門針對大腦中的“神經網絡”的計算模型.作為傳遞函數，它采用了閾值，相當于使用Heaviside階躍函數。最初，只考慮了一個簡單的模型，具有二進制輸入和輸出，對可能的權重有一些限制，以及更靈活的閾值。從一開始就已經注意到任何布爾函數可以通過此類設備的網絡來實現，從可以實現AND和OR功能，并以析取式或連接式范式使用它們這一事實很容易看出這一點。研究人員也很快意識到，通過神經元進行反饋的循環網絡可以定義具有記憶的動態系統，但大多數研究都集中在（現在仍然如此）嚴格的前饋網絡上，因為它們存在的難度較小。

一種使用線性閾值函數的重要且開創性的人工神經網絡是由FrankRosenblatt開發的感知器。該模型已經考慮了神經元中更靈活的權重值，并用于具有自適應能力的機器。BernardWidrow在1960年引入了閾值作為偏差項的表示。

80年代后期，當對神經網絡的研究恢復活力時，開始考慮具有更多連續形狀的神經元。微分激活函數的可能性允許直接使用梯度下降和其他優化算法來調整權重。神經網絡也開始被用作通用函數逼近模型。最著名的稱為反向傳播的訓練算法已被重新發現多次，但其首次開發可追溯到PaulWerbos的工作。