1、感知器理解
感知器是生物神经细胞的简单抽象，被指认为单层的人工神经网络，区别于复杂的多层感知器。单层感知器是最简单的前向人工神经网络形式。感知器是一种线性分类器，结构简单，能够学习并解决复杂的问题。
一、感知器模型
单层感知器是指只有一层处理单元的感知器，不包含输入层；若有输入层，则为两层。
输入层也为感知层，有N个神经元节点，无信息处理能力，只负责引入外部信息。每一个节点接受一个输入信号，N个节点一起组成了输入列向量P。
输出层也成为处理层，只有一个神经元节点，可以处理信息。
两层之间的链接用权值列向量Wn表示，一共可以有n个，N个权向量构成了感知器的权值列向量W。
对于中间的处理层来说，任意节点的净输入a来自输入层各节点的输入加权和
单层感知器的输出为` y=f(a),感知器的传递函数为f,一般选择符号函数作为其传递函数
以两个输入的单层感知器神经元为例，对于W1=1,W2=-1,阈值b=1,有以下的输入矢量分类：
分割线L将两个输入矢量在平面上分类：如果输入矢量在分割线上方或者位于分割线上，则感知器输入为1；如果输入矢量位于分割线下方，则感知器输入为-1