：

1.有多个输入：x1，x2，x3，...，它们只能是0或1。

2.有一个输出：output.只能是0或1。

3.每个输入对应一个权重值：w1，w2，w3，...，它们可以是任意实数。

4.有一个阈值：threshold.可以是任意实数。

5.输出output取决于各个输入的加权求和与阈值threshold的大小，即：如果w1x1+w2x2+w3x3+...&a;gt;threshold，则输出output=1，否则输出output=0。

直观上理解，感知器相当于一个决策模型，输入表示进行决策时需要考虑的外在因素或条件，权重表示你对某个外在因素的重视程度，而阈值则表示你对于这个决策事件本身的喜好程度或接受程度。

举一个例子：假设周末有一个同学聚会，现在你正在决策要不要去参加。你考虑的因素如下：

1.如果那天天气好，那么你就更有意愿去参加。用x1=1表示天气好，x1=0表示天气不好。你对于天气这个因素的重视程度为w1=3。

2.如果某个你讨厌的人也去参加聚会，那么你就兴趣索然，不太乐意去了。用x2=1表示你讨厌的那个人去参加聚会，x2=0表示那个人不参加聚会。对应权重w2=-5，负值表示这个因素的出现会降低你去参加聚会的意愿。

3.但如果你暗恋的一个女孩去参加聚会，那么你无论如何也是想去的。用x3=1表示那个女孩去参加聚会，x3=0表示她不参加聚会。这个女孩对于你太重要了，所以有一个很大的权重：w3=10。

<aonclick>防采集，自动加载失败，点击手动加载，不支持阅读模式！

禁止转码、禁止阅读模式，下面内容隐藏，请退出阅读模式！

</aonclick></divid>