神经网络与机器学习笔记――Rosenblatt感知器

Rosenblatt感知器

感知器是用于线性可分模式（模式分别位于超平面两边）分类的最简单的神经网络模型，基本上由1个具有可调突触权值和偏置的神经元组成。

Rosenblatt证明了当用来训练感知器的模式（向量）取自两个线性可分的类时，感知器算法是收敛的，并且决策面是位于两类之间的超平面。算法的收敛性称为感知器收敛定理。