最近，學習了一下神經網路的相關知識。寫一篇部落格，做思路整理。

神經網路包含input layer、hidden layer、output layer三層。(考慮真實神經原傳輸訊號的過程)

感知器分類演算法只適用於可以線性分割的資料！！！！！

相關概念：

訓練樣本X = ，權重向量W = ，(這個過程叫向量的點乘)。

啟用函式(單元步調函式):，用來分類。(注意，這是一個線性啟用函式)

閾值(偏置)：，初始的閾值根據“經驗”給出，隨著模型的訓練，會更新

學習速率：，是0到1比區間內的小數

步驟：

1.把權重向量初始化為0，或把每一個分量初始化為0到1間的任意小數。(

2.把訓練樣本輸入感知器，得到分類結果(-1或1)

3.根據分類結果更新權重向量和閾值。

權重更新演算法：

y是輸入樣本的正確分類，是感知器計算出來的分類。

閾值更新方法：

整體思路圖如下：