本文探讨了神经网络和感知机的基础及其在人工智能中的作用。感知机作为神经网络的基本单元，能解决线性可分的分类问题，但无法解决异或问题。为克服这一缺陷，通过叠加感知机的方式可以实现线性不可分问题的解决。感知机的价值在于其简洁的分治思想，适用于线性二分的分类任务。而神经网络则通过更复杂的结构和算法扩展了感知机的能力，能够处理更广泛的复杂问题。
写在前面的话
为什么要有神经网络和感知机？
神经元：多对一
函数：多对一（数学基础）
树：多对一（数据结构）
Q：为什么人工智能不能在函数，树这样的基础上实现出来？为什么还要提出一个新的概念：神经网络？神经网络有什么特别之处？
生物神经系统的基本单元：神经元
神经网络基本单元：感知机（多个输入，经过计算输出0或1这一种信号）
明斯基：感知机能实现与，或，非，但是不能实现异或。
Q：与或非作为基本运算，通过组合可以实现异或，为什么感知机无法实现？就算感知机能实现所有的逻辑运算，电子计算机不早就做到了吗，为什么还要有感知机？
了解感知机
感知机就是一个分类的工具，二维的决策面是线，三维的决策面是平面，n维的决策面是(n-1)维的超平面。
Q：感知机的价值在哪？
对于函数来说，分类等于是一个分段函数，但是当数据不同时就需要设定不同的分段函数解决问题，即不存在一个大一统的分段函数模型。比如我设置一个判别胖瘦的分段函数，但是它不能解决猫狗分类问题。感知机的价值就在于只要这个分类问题是线性二分的，感知机都能解决，线性函数加激活函数。
感知机的思想在于分治，它把一个复杂的问题拆分成简单的问题。
为什么感知机不能解决异或问题？
与或非都能通过一条线把0和1区分开，但是对于异或就不行，即异或无法被线性可分。
怎么克服这个缺陷？
叠加感知机！下面用三个感知机解决这个问题：
两个不同的状态变成相同的状态，通过叠加感知器把右上角的0并到了右下角，实现线性可分。
837
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
