蝈蝈俊
·
感知机（Perceptron） - 蝈蝈俊
💡
原文中文，约3200字，阅读约需8分钟。
📝
内容提要
感知机是一种基于神经网络的二分类模型，结构简单易于实现和训练，所有知识都被编码在权重和阈值中，只能解决简单的线性可分问题。
🎯
关键要点
- 感知机是由弗兰克·罗森布拉特于20世纪50年代末提出的二分类模型。
- 感知机基于神经网络，结构简单，易于实现和训练。
- 神经元通过电化学信号传递信息，构成复杂的神经系统。
- 神经元由细胞体、树突、轴突和突触前末梢组成。
- 神经元内部信号传递主要通过离子通道完成，涉及钠、钾、钙离子。
- 神经元之间的信号传递通过突触和神经递质实现，信号可为兴奋性或抑制性。
- 感知机模拟神经元行为，使用权重、偏置和激活函数。
- 感知机根据加权输入的总和与阈值的比较来做出决策。
- 感知机的知识由权重和阈值编码，需通过学习获得。
- 单层感知机只能解决简单的线性可分问题，无法处理XOR问题。
- 感知机的研究在1969年因单层感知机的局限性而经历低潮。
- 实际存在的感知机如Mark I Perceptron，曾用插线方式实现。
- 提供了Python代码示例以模拟单层感知机的功能。
- 感知机是神经网络的基础，适用于输入数据的分类任务。
➡️
