感知机算法提出于 1957 年，是对生物神经细胞的简单抽象。神经网络之所以能够发挥强大的作用就是在感知机的结构上作了调整。

人造神经元是所有神经网络的核心。它由两个主要部分构成：

1）加法器，将所有输入加权求和到神经元上； 2）处理单元，根据预定义函数产生一个输出，这个函数被称为激活函数。每个神经元都有自己的一组权重和阈值（偏置），它通过不同的学习算法学习这些权重和阈值：

当只有一层这样的神经元存在时，它被称为感知机。输入层被称为第零层，因为它只是缓冲输入。存在的唯一一层神经元形成输出层。输出层的每个神经元都有自己的权重和阈值。

感知机接收多个输入信号，输出一个信号。

感知机的信号只有流/不流(1/0)两种取值：

• 0：不传递信号
• 1：传递信号

一个接收两个输入信号的感知机的例子：

• x1、x2 是输入信号
• y 是输出信号
• w1, w2 是权重

输入信号被传送神经元时，会被分别乘以固定的权重(w1x1、w2x2)。

神经元会计算传过来的信息总和，只有当这个总和超过了某个界限值时，才会输出 1(神经元被激活)。这个界限值称为 阈值，用符号 θ 表示

上述的内容用数学表达式来表示：