单层感知器简要说明

概念

单层感知器算法是神经网络算法中结构最简单的模型，作为一种线性分类器，它可以对两种类型进行线性分类。感知器是生物神经细胞的简单抽象，是神经网络的原型，是以最简单的方式模拟人类神经元的算法。

神经元图示：

算法模型图示：

$x_i$表示输入信号，是根据预先定义的特征工程的非线性转换，$w_i$表示每一种输入信号对应的权重，y表示输出信号。f是激活函数，$\Sigma$表示的是对所有输入数据的求和。

这样一来就有如下等式：
$$\begin{array}{rl}z& =w_1\ast x_1+w_2\ast x_2+w_3\ast x_3......w_n\ast x_n\\ & ={\mathbf{w}}^T\ast \mathbf{x}\end{array}$$

其中
wT=[w1w2w3...wn]T\bold{w}^T=\begin{bmatrix} w_1 \\ w_2\\ w_3\\ ...\\ w_n \end{bmatrix}^T