什么是感知机

​

一：感知机的概念

感知机类似于人体的神经元结构，基本机构如图：

通俗来说，就是提供一些数据，在经过一系列复杂的运算之后输出结果。而这一系列的复杂运算就叫做感知机。

二：感知机的分类与结构

1.感知机的分类

    感知机分为单层感知机和多层感知机

2.感知机的结构

单层感知机结构（不带偏置）：

对于单层感知机，分为输入层和输出层两层结构。

• 黑色圆圈代表着输入层，由输入的数据组成。代表着X1，X2…Xn。（这是为了帮助感知机感知外部的环境，获取外界信息）
• 实线则代表着输入节点到输出节点的权重，为W1,W2…Wn。（这就是感知机将要学习的东西，不同的权重对结果的影响）
• 蓝色圆圈代表着通过加权求和计算得到的中间值。（这是先算出输入层带来的基础结果，为计算出最终的输出值做准备）
  - 计算方法
  • 将每一个输入的数据X₁ ~ X₂，乘他们所对应的权值W₁ ~ W₂。
  • 将他们的结果进行求和，得到中间值。
• 一个用来对中间值做特殊变换，从而得到最终输出结果的激活函数（虚线箭头）：OutPut（这一步可以用各种各样的函数，对初步计算得到的中间值做各种各样的变换，从而使得感知机更加灵活的输出，实现不同的效果、解决不同的问题。当然，也可以不做任何变换，保留原始值）

多层感知机结构

多层感知机结构分为：输入层，隐藏层，输出层。
相比于单层感知机，多层感知机会进行更加复杂的加权运算，这些运算统统包含在了隐藏层中。多层感知机能够处理更多更复杂的问题。

三：感知机的作用

1. 分类问题：处理离散值。（比如预测一张图片中的动物是猫还是狗，只有两种可能）
2. 回归问题：处理连续值。（比如预测某只股票明日的价格，有无限种可能，因为价格可以是0到无穷大的任意一个。）
3. 求值问题：即简单的求最终结果

分类问题

在应用于分类问题中，要用到激活函数。最常用的有Sigmoid函数，ReLU函数，Tanh函数等等。

回归问题

激活函数可以是不做任何处理，保留原始值的函数。