06-20201012 感知机-1从感知机到神经网络

转载 https://www.jianshu.com/p/7de24ee4a196

为什么？

为什么学习神经网络都要学习感知机呢？通过一系列资料学习，感知机最大的贡献还是提供了在链接主义的智能计算中的一种求解思路（智能计算的三大流派之一），加之后来的非线性激活函数与反向传播，渐渐发展到现在的深度学习。

从概念上，感知机可以认为是神经网络的一个神经元。这也是为什么把多层感知机认为是最简单的神经网络。（题外话：为什么从浅层神经网络到深度神经网络停留了这么长时间：Kurt Hornik证明了理论上两层神经网络足以拟合任意函数，还有就是过去没有足够的数据和计算能力）

简而言之，感知机模仿的是生物神经元，它需要一个或多个输入并将他们组合产生输出。

多层感知机（Multi Layer Perceptron，即MLP）包括至少一个隐藏层。单层感知机只能学习线性可分问题，而多层感知机也可以学习非线性函数。