什么是感知机？

The McCulloch-Pitts Neuron (McCulloch and Pitts, 1943) was an early model of brain function. This linear model could recognize two different categories of inputs by testing whether f (x, w) is positive or negative. 《Deep Learning》,p15

应该是说McCulloch and Pitts发明了一个模型，能够预测输入属于两个不同的类别中的哪个，通过判断函数\(f(x,w)\)的正负来判断。
据[1]所述，MP神经元模型可用以下公式来描述：

\[\begin{aligned} y&=f(g(x)) \\ &= 1\quad if\ g(x)\geq\theta, \\ &= 0\quad if\ g(x)<\theta \\ 其中，\\ g(x)&=g(x_1,x_2,x_3,...,x_n)=\sum_{x_i \in x}{x_i} \end{aligned} \]

如下图所示：

McCulloch-Pitts 模型

如果\(g(x)>\theta\),那么MP模型（这里的MP指的是McCulloch 和 Pitts）的输出为\(1\)，否则为\(0\).
但是《Deep Learning》一书中却提到其有参数，那么应该是后来相对这些不同的“刺激”（输入）分配重要性，\(w\)就应运而生。（个人猜想）

但是，如果希望模型能够很好的针对不同的\(x\)给出其对应的类别，那么就需要设置好\(w\)的值，当然，\(w\)可以通过人来设置。

In the 1950s,the perceptron (Rosenblatt, 1958, 1962) became the first model that could learn the weights defining the categories given examples of inputs from each category. 《Deep Learning》,p15

感知机应该是50年代出来的，这个模型也可以用\(f(x,w)\)表示，但是其\(w\)是可以学习的。

感知机模型结构如下：

perceptron 模型

A multilayer perceptron is just a mathematical function mapping some set of input values to output values. 《Deep Learning》,p5

参考文献以及截图来源：

[1] https://towardsdatascience.com/mcculloch-pitts-model-5fdf65ac5dd1
[2] https://blog.csdn.net/qq_37002417/article/details/106064252