深度学习入门（一）：感知机

深度学习入门（一）：感知机

---

感知机的定义

简单来说，感知机（Perceptron）是一种模拟人类神经元响应机制的数学模型。它接收多个输入信号，根据设定的权重和偏置计算加权和，如果结果达到或超过某个阈值（条件），就输出响应（通常是1或0）。

用公式表示就是：
$$f(x)=\{\begin{array}{ll}1,& \text{if }{\sum }_{i=1}^n{w}_i{x}_i+b>0\\ 0,& \text{otherwise}\end{array}$$
即，全满足

其中：

• $x_i$ 是输入信号
• $w_i$ 是对应的权重，应该是最重要的一环
• $b$ 是偏置
• $f(x)$ 是输出响应

感知机的核心思想就是通过学习调整权重和偏置，使模型能够对特定条件做出正确响应。
可参考：逻辑电路

权重和偏置
偏置的作用可以理解为在公式或模型中引入一个基础值，使得模型能够更好地适应数据。偏置提供了一个基础值，增加了模型的表达能力。（垫子）
权重代表着对应信号的重要程度，权重越高，这个信号对于感知机的影响越大。

感知机的局限性
线性和非线性，感知机无法解决非线性问题，因为它说到底是凭借线性公式进行操作（单层）。

多层感知机
通过不同感知机结合，来获得一个可以实现复杂判定的新感知机。如同流水线一样。
理论上，两层感知机即可构建计算机。重点：通过叠加可以进行非线性的表示。