一、感知器基础人工神经元官方定义感知器是由罗森布拉特提出的最基础线性人工神经元模型接收多维度输入向量对各输入分量赋予权重并线性加权求和叠加偏置项后通过阶跃激活函数输出二值结果0 或 1仅可用于线性可分数据集的二分类任务。大白话最初代的 AI 小裁判接收好几条信息每条信息定个看重程度全部加起来再补个基础分最后只给出两个答案是 或者 否只能分开能用一条直线切分的数据复杂情况判断不了。重要提醒小叶会每天更新深度学习相关知识跟着小叶一起来深度学习一点都不难。每天记得看一下哦不要落下重要知识了。二、单个神经元通用公式官方公式\(y\sigma\left(\sum_{i1}^n w_i x_i b\right)\)逐项官方释义 大白话\(x_i\)输入特征向量分量 大白话一条条拿来参考的已知条件\(w_i\)连接权重参数 大白话这条条件有多重要正数加分、负数扣分\(\sum w_ix_i\)输入加权线性和 大白话所有条件按重要度算完总分b偏置项 大白话固定基础分哪怕所有条件都是 0也能有初始分数\(\sigma(\cdot)\)激活函数 大白话一套打分规则把总分转换成最终输出y神经元输出值 大白话这个小神经元最终给出的结论三、线性组合部分 \(\sum w_ix_ib\)官方定义对输入做仿射变换将多维输入映射为单个标量数值属于纯线性运算。大白话纯算数加减乘只能画直线学不会曲线规律。四、激活函数 \(\sigma\)官方定义引入非线性映射打破网络线性表达局限使多层神经网络具备拟合任意复杂连续函数的能力。大白话不加这一步堆再多层网络也只会算直线加上之后才能识别图片、文字这种弯弯绕绕的复杂规律。五、感知器核心局限官方表述仅具备线性分类能力无法处理异或等非线性可分问题无梯度概念不能使用梯度下降法迭代优化参数。大白话稍微绕一点的问题它就分不清没法自动慢慢改错优化所以被现代神经元替代。六、神经网络层级角度官方大量神经元按输入层、隐藏层、输出层分层互连堆叠构成人工神经网络。大白话无数个这种小裁判排成好几排第一层接收原始数据中间多层层层提炼信息最后一层给出最终答案就是神经网络。小叶发现很多朋友看完就走了顺手点个关注和赞只是举手之劳啦这是对小叶最大的认可希望大家看到后点个赞啦。