說實話，開創“機器學習”新領域，成為“深度學習”等技術路線的指路人，的確十分誘人，光是提出“人工神經網絡”的概念，就足以名垂青史了。
但對于自己現在的水平，江寒心里還是很有數的，不謙虛地說，只能算略知一二。
前世雖然上過大學，學的卻不是計算機專業，在編程和硬件領域，基本上全靠自己摸索，知識體系并不完善。
至于“人工神經網絡”方面，前后只看了幾本入門教材，外加在P站看了十幾個系列視頻教程。
一些重要的概念是清楚的，一些經典算法也是了解的，做一些簡單的推演，應該也沒什么大問題。
可許多公式背后的原理，當時就沒能理解得十分深刻，到了現在，印象就更加模糊了。至于那些需要最先進的數學工具，才能完成的證明與推導……
在機器學習領域，“深度學習”被稱作最具顛覆性的理論，以他目前掌握的這點兒皮毛，想要從無到有地開辟出一整條技術路線，難度可想而知。
可難就不搞了嗎？
這是個難得的機遇，一定要好好把握才行。只是他還需要好好想一想，如何妥善運用那些“走私”來的知識。
既要充分發掘價值，也要注意合理性。起碼拿出來的東西，要符合自己的人設，要找得到合理的解釋，免得惹出什么不必要的麻煩……
江寒前思后想，終于做出了決定。
總之，必須盡快將“感知機”的概念拋出去，否則后續的一系列技術，全都得憋在腦袋里，沒法拿出來見人。
只是這樣一來，估計自己將來基本跑不掉一個“機器學習宗師”、“AI教父”、“人工神經網絡創始人”之類的稱號了……
別看“感知機”簡單，卻是“人工神經網絡”的基石，很多“機器學習”算法，比如支持向量機（SVM）、深度學習、D-QLearning、生成對抗網絡（GAN）……都是在其基礎上才發展出來的。
在另一個世界，“感知機”的概念誕生于1957年，由ell航空實驗室的FrankRosenbtt提出。
本質上是一個線性分類模型，用于解決二元線性分類問題，對應于輸入空間中將實例劃分為兩類的分離超平面，是最簡單的前饋人工神經網絡。
好吧，說人話。
簡單點說，感知機就是一個算法，通過大量訓練，可以讓電腦掌握某種規則，然后按照這種規則，將輸入的數據分成兩類。
如果輸入的數據空間只有兩個維度，將其視作平面直角坐標系，那么“感知機”的圖像，其實就是一根直線。
“感知機”雖然簡單，還是有點用的。
比如經過訓練后，輸入身份證號，就能幫你判斷出是男是女；比如輸入身高和體重，就能判斷是否超重……
可能有人會問：隨便寫個程序，不是很簡單就能實現這些功能嗎？
但感知機的神奇之處，在于使用同樣結構的程序，就能在很多領域里通用，而不用針對性編程。
這是機器學習和常規編程的本質區別。
感知機結構異常簡單，工作原理也不復雜，但要想寫成論文，也需要進行一些數學推導，以及前置理論。
“感知機”是建立在M-P模型的基礎上的。
生物的神經細胞結構，主要由樹突、突觸、細胞體及軸突組成。單個神經細胞有兩種狀態：激活或者未激活。
神經細胞是否激活，取決于從其它的神經細胞收到的輸入信號量，及突觸的強度（抑制或加強）。
當信號量總和超過了某個閾值時，神經元就會激活，產生電脈沖，電脈沖會沿著軸突并通過突觸傳遞到其它神經元……