在上一篇文章中，我們介紹了線性回歸與損失函數，現在讓我們來學習感知器吧！
1940年代，美國的科學家提出了人工神經網路的概念，而「感知器」即是神經網路的基礎結構。年輕的美國心理學家法蘭克·羅森布拉特(Frank Rosenblatt)在1957年實作出第一台感知器－名為Mark I Perceptron，能夠進行非常基礎的英文字母識別。以今日的語言來說，就是一個二元線性分類器(binary linear classifier)。
Frank Rosenblatt(1928-1971)
單層感知器是最最基礎的前饋神經網路。單層感知器構造如下：
輸入→(單層感知器)→加權總和→激活函數
不過請記住，此時這仍然只是個線性分類器，所以激活函數仍是線性的。這種情況下，激活函數會將輸出返回輸入與閾值(threshold)做比較，來確定每個點所屬的類別。(待更)
若是覺得本文有幫助，歡迎點選Like、星星收藏或是追蹤系列文支持哦！
iThome鐵人賽
看影片追技術