最近一前一后的读了两本书《终极算法》和《机器学习》。两本书都是关于人工智能的书籍，《终极算法》全面的介绍了人工智能的五大流派，分别是符号学派，联结学派，进化学派，贝叶斯学派和类推学派。《机器学习》重点讲的是内容，对照来说就是联结学派。
而感知器，这个是机器学习的雏形。因此两本书都详细介绍了感知器的原理。
比较一下两本书的介绍：
这是《终极算法》的感知器
这是《机器学习》的感知器
从非专业人士来讲，终极算法里讲的更形象好懂。感知器的知识要点如下：（摘自终极算法）
1.一个正权值代表一个兴奋性连接，一个负权值代表一个抑制性连接。
2.如果输入量的加权和高于界限值，那么会输出1；反之，那么输出为0。
3.改变权值和界限值，可以改变感知器计算的函数。
假设感知器有两个输入变量，x和y。
那么每个例子可以由平面上的一个点来表示，感知器代表的函数，就是划分一条直线，这个直线把正负例子分开。所谓的学习和训练，就是不断的调整权值和界限值，直到直线正好能把样本分开。
如果是n个输入量，则有n个权值，一样的方式求和后和权限值比较。
这就是简单的感知器理解。
