# 感知機 讓我們了解神經網絡的最基本構建塊，**感知機，**也稱為**人工神經元**。感知機的概念起源于 Frank Rosenblatt 于 1962 年的作品。 您可能希望閱讀以下工作來探索神經網絡的起源： Frank Rosenblatt，_神經動力學原理：感知器和腦機制理論_。 斯巴達書籍，1962 年 在最簡化的視圖中，感知機被建模在生物神經元之后，使得它接收一個或多個輸入并將它們組合以產生輸出。 如下圖所示，感知機采用三個輸入并將它們相加以生成輸出`y`：  這種感知機太簡單了，不具備任何實際用途。因此，通過添加權重，偏差和激活函數的概念來增強它。將權重添加到每個輸入以獲得加權和。如果加權和`Σw[i]x[i]`小于閾值，則輸出為 0，否則輸出為 1：  閾值稱為**偏差**。讓我們將偏差移到等式的左邊，用`b`表示它，`Σw·x`代表`w`和`x`的向量點積。感知機的等式現在變為如下：  感知機現在看起來像下圖： ?Simple perceptron with weights and bias 到目前為止，神經元是一個線性函數。為了使這個神經元產生非線性決策邊界，通過稱為 **a** **ctiva** 或傳遞函數的非線性函數運行求和輸出。有許多流行的激活函數可用： * `ReLU`：**整流線性單元**，將值平滑到范圍`(0, x)`，  * `sigmoid`： **Sigmoid** 將值平滑到`(0, 1)`，  * `tanh`：**雙曲正切**將值平滑到`(-1, 1)`，  使用激活函數，感知機的等式變為：  其中`φ(·)`是激活函數。 神經元看起來像下圖：