一文彻底搞懂深度学习 - 感知机（perceptron）

文章预览

在机器学习中，感知机（perceptron）是最简单的神经网络模型之一，只有 输入层和输出层 ，是 二分类的线性分类器 。它可以解决 与（AND）、或（OR） 等简单的线性可分问题，但无法解决复杂的 异或（XOR） 等非线性可分问题。 perceptron 一、单层感知机 感知机（perceptron）是什么？ 感知机是由美国学者 Frank Rosenblatt在1957年 提出的，它是一种 模拟人脑神经元工作原理的模型 。感知机接收多个输入信号，通过加权求和并加上偏置值，然后通过一个激活函数将结果转化为输出信号。 输入层 ：接收外部信息，不进行信息处理，只是将信息传递给输出层。 输出层 ：接收输入层的信号，通过加权求和并加上偏置值，然后通过一个激活函数（如阶跃函数）将结果转化为输出信号。 为什么要学习这么古老的算法？ 感知机是神经网络的起源算法，它的工作原理 ………………………………