感知机（perceptron）是一种算法

感知机是作为神经网络（深度学习）的起源的算法

感知机是什么

感知机接收多个信号，输出一个信号。 感知机的信号只有 1/0两种取值。0对应的是"不传递信号" 1对应”传递信号“

上图是接收两个输入信号的感知机。x1和x2是输入信号，y是输出信号，w1和w2是权重（w是weight的首字母）。 图中的○称为"神经元"或者”节点“。输入信号被送往到神经元时，会被分别乘以固定的权重（w1x1，w2x2）。神经元会计算传送过来的信号的总和，只有当这个总和超过了某个界限值时，才会输出1.这也称为”神经元被激活“。这里将这个界限值成为 ”阈值“。用符号θ表示。

用数学公式表示：

导入权重和偏置

两个图表示的内容是完全相同的。b成为偏置，w1和w2成为权重。

权重是输入信号的重要性的参数，而偏置是调用神经元被激活的容易程度（输出信号为1的程度）的参数

感知机的局限性在于它只能表示由一条直线分割的空间。 由曲线分割而成的空间称为非线性空间， 由直线分割而成的空间称为线性空间

小结：

感知机是具有输入和输出的算法。给定一个输入后，将输出一个既定得值

感知机将权重和偏置设定为参数

使用感知机可以表示与门和或门等逻辑电路 异或门无法通过单层感知机来表示 使用2层感知机可以表示异或门 单层感知机只能表示线性空间，而多层感知机可以表示非线性空间 多层感知机（在理论上）可以表示计算机