深度学习入门（Python版）第二章感知机（神经网络基础）

前言

• 本章阐述感知机 算法的相关内容，在这一节中我们将详细介绍该算法的基本原理及其在机器学习领域的地位。
• Frank Rosenblatt提出了一种名为"感知机"的学习机制模型，在1957年的研究中首次提出该理论框架。
• 感知机模型可被视为神经网络体系（深度学习领域）起源性的基础算法。
• 学习感知机的设计模式是通向深入理解神经网络体系（深度学习领域）核心技术的一条关键路径。

1. 感知机是什么

感知机接收多个输入信号，输出一个信号。

感知机的信号只有1和0两种取值，0对应不传递信号，1对应传递信号。

如下所示是一个接收两个输入信号的感知机模型：如图所示为一个接收两个输入信号的感知机模型。其中x₁和x₂表示输入信号源，y代表输出信号值；权重系数分别为w₁和w₂（其中w首字母对应英文weight）。在图中，圆圈标记为'神经元'或'节点'。每个输入信号都会被乘以对应的固定权重系数。所有输入信号经过加权后相加得到总和。当且仅当总和超过设定阈值θ时，系统输出1。此过程通常被称为'神经元激活'过程。

上述内容的数学表达式为：

![在这