学习资料：https://www.bilibili.com/video/BV1mg4y187qv/?spm_id_from=333.788.recommend_more_video.1&vd_source=d6b1de7f052664abab680fc242ef9bc1

神经网络的特点：它不是一个解析模型，它的储存在一堆参数里面（确定一个超平面），很难解释物理意义是什么，不能直观看出来。

1943 M-P模型的3种形式（文字、公式、图形描述神经元）->1958 感知器->1986 误差反向传播(解决隐层权重求解)
Note：数学模型是抽象出来的，所以把不方便考虑到可以简化掉
加权求和–实际上是对神经元接收到的信号进行空间整合（为什么没有时间整合，因为模型假设认为信号同时到达的）
并不是膜电位改变后一定有输出，有输出的一定是膜电位改变超过了阈值，超过阈值以后才产生一个输出，这个【输出】和【改变后超出阈值的膜电位变化值】之间是一个函数关系，f是输出函数/转移函数/激活函数 ，x(t)是输入信号
多层感知器（又称三层BP网），因为大部分多层感知器的算法是BP算法，但实际上还有其它算法。此处三层包括了输入层，实际上具有信号处理能力的层只有两层。

单层感知器的功能：线性分类器分类的原理：把分类的知识分布式地存储在权向量（参数）里面
调参：就是调整分类界面的位置