感知机由两层神经元组成(如下图),输入层(不进行函数运算)接受信号并传递给输出层,输出层有M-P神经元(阈值逻辑单元)组成。M-P神经元对其每个输入值及对应的权值进行相乘并求和,若所得和大于这个 阈值,则输出 1,否则输出 0。
感知机容易实现逻辑中的与、或、非等运算。感知机由两层神经元组成,所以表达式可以写成
当给定训练数据集时,权重Wi和阈值可以通过学习得到,阈值
可以看做成一个固定输入为-1.0的“哑节点”所对应的链接权重Wn+1,由此权重和阈值的学习就可以统一为权重的学习。上述表达式x为样本的特征向量(属于R的n次方),是感知机的输入,w和
是感知机的参数(权重Wi和阈值