感知機接收多個輸入訊號，輸出乙個訊號。
感知機的訊號只有「流/不流」（ 1/0）兩種取值。在本書中，0 對應「不傳遞訊號」，1對應「傳遞訊號」。
x1、x2是輸入訊號， y是輸出訊號，w1、w2是權重（w是weight的首字母）。輸入訊號被送往神經元時，會被分別乘以固定的權重（w1x1、w2x2）。
神經元會計算傳送過來的訊號的總和，只有當這個總和超過 了某個界限值時，才會輸出1，這也稱為「神經元被啟用」 。這裡將這個界 限值稱為閾值，用符號θ表示。
5. 感知機的多個輸入訊號都有各自固有的權重，這些權重發揮著控制各個 訊號的重要性的作用。也就是說，權重越大，對應該權重的訊號的重要性就 越高。
2.2.1 與門（and gate）
與門僅在 兩個輸入均為1（x1=x2=1）時輸出1(y=1)，其他時候則輸出0。
(w1,w 2, θ) = (0.5, 0.5, 0.7)時，可以滿足條件。
此外，當(w1, w2, θ) 為(0.5, 0.5, 0.8)或者(1.0, 1.0, 1.0)時，同樣也滿足與門的條件。
設定這樣的 引數後，僅當x1和x2同時為1時，訊號的加權總和才會超過給定的閾值θ。
2.2.2 與非門(nand gate)和或門
和與門相反
要表示與非門，可以用(w1,w 2, θ) = (−0.5,−0.5,−0.7)這樣的組合（其他的組合也是無限存在的
接下來分析一下三個"門" 的引數特徵
在這裡插入描述
綜上所述:
一分鐘認識感知機
1.感知機概念 感知機學習演算法很簡單，易於實現，一步一步看完就自然懂了。1.1感知機簡介 perceptron，感知機。是二類分類的線性分類模型，其輸入為例項的特徵向量，輸出為例項的類別，類別值取值範圍 即perceptron x 1 或者 1 感知機對應於輸入空間中將例項劃分為正負兩類的分離超平...
keras 1 多層感知機實現
建立於星期二星期六14 42 13 2018 author yuyangyg baseline mlp for mnist dataset import numpy from keras.datasets import mnist from keras.models import從keras.lay...
機器學習演算法實現（1） 感知機
演算法實現 import pandas as pd import numpy as np from sklearn.datasets import load iris import matplotlib.pyplot as plt iris load iris df pd.dataframe iri...