其实这一章节读下来，让我感到最吃力的部分反而是“感知机”这个专有名词，明明知道它的概念和结构，但一觉醒来后，偏偏记不起这三个字，状态机？转换机？哈哈！要多学多记！

古之立大事者，不惟有超世之才，亦必有坚忍不拔之志。—— 苏轼《晁错论》》

感知机的历史

感知机（Perceptron）是一种算法，由美国学者Frank Rosenblatt在1957年提出，是神经网络（深度学习）的起源。

感知机是一种对输入-输出概念上的抽象，它总结了最小的运算单元，是构成复杂算法的细胞。

感知机的结构

上图：有两个输入的感知机，就像一个神经元，上级信号决定下级信号，每个信号有自己的重要性权重（w），同时还有偏置（b）控制输出信号被激活的难易程度。

• 输入：x1, x2,...,xn —— 可以有1~n个输入信号
• 输出：y —— 输入信号决定输出信号
• 权重：w1, w2,...,wn —— 单独控制每个输入信号重要性
• 偏置：b —— 总体控制神经元被激活（让y为1）的难易程度

图：感知机的行为

感知机的局限性

感知机是一种最基本的神经元的抽象，单层感知机局限性在于只能表达线性关系，但我们可以通过叠加单层感知机从而得到多层感知机，用来表达非线性关系。

应用：用Python实现一个异或门

图：与门、与非门、或门的符号

图：通过组合与门&与非门&或门得到异或门

// 异或门
def XOR(x1, x2)
    s1 = NAND(x1, x2)
    s2 = OR(x1, x2)
    y = AND(s1, s2)
    return y

与门、与非门、或门被称为单层感知机，异或门称为多层感知机（multi-layered perception）。从0开始数，分别是第0层、第1层、第2层。

图：从0开始计数的多层感知机-异或门

感知机的意义

感知机是深度学习理论的基础，只要设计得当，甚至可以用多层感知机实现一台具有完整功能的计算机。