目录
第二章：感应机（人工神经元）
感知机作为神经网络起源的算法
二. 感知机
概念：感知机其实就是流与不流的问题，流就是1不流就是0、0 对应“不传递信号”，1对应“传递信号”
x1，x2是输入，y是输出，w1，w2是权值，x*w之和超过阀值θ时才会激活y
2. 简单逻辑电路
2.1简单逻辑电路
这里与门、与非门、或门的逻辑电路就比较简单，就是根据与或非，然后结合上面感知器的公式求和是否超过阀值来激活神经元
2.2代码实现：
与门实现：其他也是类似的
2.3导入权重和偏置
如果根据上式，θ是个负数的话，我们可以把他换成-b，转换得到
偏置和权重的作用是不一样的，权重是控制输入信号的重要性的参数，而偏置是调整神经元被激活的容易程度（输出信号为1的程度）的参数
numpy代码实现：
注意：这部分权重是根据经验计算而来的
2.4感知机局限性
曲线分割而成的空间称为非线性空间，由直线分割而成的空间称为线性空间
其中感知机可以表示与、或和与非门，他们都是线性的，但是异或却不是线性的，不能由感知机单层表示,但是可以多重感知机表示。
2.5多层感知机实现（解决异或门）
在梳理逻辑的学习里-这种多重结构解决了异或门
代码实现：
逻辑如下：
假设，异或门是一种多层结构的神经网络。这里，将最左边的 一列称为第0层，中间的一列称为第1层，最右边的一列称为第2层
感知机通过叠加层能够进行非线性的表示，理论上还可以表示计算机进行的处理
2.6 小结
是数理课本的内容，最主要是能够理解 感知机 与神经网路的关系