目录
感知机
感知机是什么
就是人工神经元
权重越大，对应该权重的信号的重要性就越高。
权重和偏置的含义
权重是控制输入信号重要性的参数，偏置是调整神经元被激活的容易程度的参数。
单层感知机的局限性
单层感知机的局限性就在于它只能表示由一条直线分割的空间。
单层感知机（就是单个神经元）可以实现与门、或门、与非门，但是不可以实现异或门。因为通过画图发现，异或门是非线性的，就是不能使用一条直线将它的取值空间分开，而与门、或门、与非门是线性的，可以使用一条直线分开。
或门
异或门
由直线分割而成的空间称为线性空间，由曲线分割而成的空间称为非线性空间。
多层感知机
由多层单层感知机级联构成多层感知机。这样单层感知机无法分割的非线性空间就可以用多层感知机分割了。
例如：异或门的构成如下：它是由两层构成，第一层：与非门和或门，第二层：与门。虽然与非门，或门，与门三个都是只能分割线性空间，但是通过组合它们就构成了一个可以分割非线性空间的函数。
单层感知机无法表示的东西，通过增加一层就可以解决。
两层感知机（严格来说是激活函数使用了非线性的sigmoid函数的感知机）可以表示任意函数。
文中这句话的含义其实就是，用两层的网络可以构建任意的非线性函数。既然两层的网络可以构建任意的函数，那么为什么我们还要费心费力的构建多层网络呢，两层不就行了吗？原因就是，多层的更符合人的思维（模块化），我们一步一步（一层一层）的完成我们的网络。而两层虽然可以构建任意函数，但是它的参数实在是太复杂，确定非常困难。好比我们要找到一个复合函数，多层的思想就是从最里边的小括号开始，一步一步的组合来找到这个函数，而只使用两层的网络那就要求我们两步就要写出这个函数，实在太难做，太复杂。