人工神經網路的模型
感知機（Perceptron）是一種人工神經網路的模型，由Frank Rosenblatt於1957年提出。
感知機是神經網路的基礎，是一種二元線性分類模型，其主要目的是通過加權輸入信號並進行閾值處理來得到一個二元輸出，從而將輸入數據分為兩類。感知機的基本工作原理是接受多個輸入信號，每個信號都有相應的權重，當這些信號加權後的總和超過了一個特定的閾值時，感知機就會產生一個輸出。
感知機通過疊代計算分類誤差，並根據誤差調整權重，以最佳化其分類性能。儘管感知機模型結構簡單、易於實現和訓練，但它只適用於線性可分的問題，對於非線性可分的問題則無法處理。
感知機的概念和原理對後來的機器學習技術和深度學習的發展產生了重要影響。