神经网络与人工智能No1-Rosenblatt感知器（笔记版）

     直入正题，首先要确定的是Rosenblatt感知器的应用范围是线性可分模型（通俗的讲就是在N维空间中存在一个超平面可以将整个模型一分为二）其作用就是分类，由一个具有可调突触权值和偏置的神经元组成。
模式：事务的标准样式。
感知器：感知器模型（神经元）+感知器算法（收敛）。
建立在一个神经元上的感知器只能完成两类的模式分类，扩展多个神经元可完成多类的模式分类。
Rosenblatt感知器算法的终极目的M维空间上求出一个完美的决策面将在M维空间上的所有点分成两类。
为了使感知器正常工作，两个类别必须线性可分，否则即超出了感知器的计算能力。如下图：

权值自适应的算法如下：