感知机

概述

感知机是人类历史上第一个能从数据中自动学习的神经网络模型，由Frank Rosenblatt于1958年提出，标志着机器学习的开端。

关键内容

1. 基本原理：
2. 感知机是对生物神经元的数学抽象，接收多个输入信号并进行加权求和
3. 当总信号超过阈值时输出激活值，否则输出静默值

4. 数学公式：$\hat{y} = \text{sign}(\mathbf{w} \cdot \mathbf{x} - \theta)$

5. 学习算法：

6. 感知机学习规则允许机器从错误中自动调整权重
7. 通过不断试错和权重更新来寻找最优分类超平面

8. 对于线性可分数据，保证在有限步内收敛

9. 历史意义：

10. 首次提出可自动学习权重的概念
11. 为现代神经网络奠定了基础
12. 引发了关于机器学习可能性的深入探讨

来源

• paper_01_perceptron — 感知机原始论文精读
• Frank Rosenblatt — 感知机发明者

相关

• Frank Rosenblatt — created_by
• 神经网络 — part_of
• 线性分类器 — part_of
• 多层感知机 — extends