3.1　单层神经网络

计算科学家Rosenblatt于1958年提出了由两层神经元组成的简单的单层神经网络，并称之为感知器。

感知器的输入和输出均为二进制数据。Rosenblatt提出了一种计算方式，对每个输入都乘以相应的权重，所得结果的大小与阈值（threshold）相比较，并由阈值决定输出结果是0还是1。感知器可以有多个输入，如图3-1所示为简单的单层神经网络。图中以3个输入(x₁,x₂,x₃)为例，每个输入对应的权重分别为(w₁,w₂,w₃)，输入数据经过权重分配后可得。

图3-1　简单的单层神经网络

将该结果与阈值相比较，得到最终输出结果如下：

单层感知器适合用来分类线性可分的数据。从图3-1中可以看出，这个感知器有两层，但第1层仅仅是输入数据，只有第2层参与了数据的计算。由于只有一层参与计算，所以该感知器被称为单层神经网络。