感知器，是神经网络中的概念，1950年有Frank Rosenblatt 第一次引入。
单层感知器是最简单的额神经网络。包含了输入层、和输出层、隐含层。如图1所示，其中x1、x2，x3属于输入层，w1，w2，w3分别数x的权值，b代表了偏置。当外部信号X通过神经传递到神经元经过神经元进行处理，就相当于x1*w1+x2*w2+x3*w3+b。
图1 单层感知机神经模型
当神经元处理过后对外部进行输入，在输出的过程中经过了一个激活函数，单层感知器的激活函数就是sign（x），然后形成了也输出。
其作用就是处理简单的函数，进行分类处理。单层感知器属于前馈神经网络的一种。
下一节我们可以通过实例来看看单层感知机是如何实际分类问题的。
