1、标准M-P模型
M-P模型是一个非常简单的人工神经网络模型,并且在它被提出时,也并没有给出相应的学习算法来调整神经元之间的连接全值,因此不具备学习能力。但是,在实际应用中可以根据需要采用一些常用的学习算法来调整神经元之间的连接权值,使其具备学习能力。
2、改进的M-P模型
标准M-P模型,没有考虑到神经元的突触延迟特性和突触传递的不应期以及生物神经元的时间整合特性,考虑到上述3个特性,改进的M-P模型为:
每个神经元都是一个多输入单输出的信息处理单元;
神经元输入分兴奋性输入和抑制性输入两种类型;
神经元具有空间整合特性和阈值特性;
神经元输入与输出间有固定的时滞,主要取决于突触延搁;
忽略时间整合作用和不应期;
神经元本身是非时变的,即其突触时延和突触强度均为常数。