xfsong2012的博客

感知机（perceptron）是由美国学者Frank Rosennblatt在1957年提出来的，它是神经网络（深度学习）的起源算法，感知机有多个输入信号，一个输出信号。信号只有1、0两种取值。最简单的两输入感知机的结构：图2.1 单层感知机其中，符号说明：——输入信号y——输出信号————神经元、节点根据上面的图2.1，可以将感知机的输出表示为：（2.1）根据式2.1计算出来的y的值可能是介于（0,1）之间的某一个值，而我们希望y的值只取0或者1。所以需要给定一个阈值。

感知机的缺点就是需要，而权重的设置都是的。

学习”是指从训练数据中自动获取最优权重参数的过程。引入损失函数指标，学习的目的是以该损失函数为基准，找出尽可能小的损失函数的值。