核心概念
感知机
根据样本调整连接权重、学习某些线性分类边界的一类早期神经网络模型。
perceptron 感知器
简明解释
感知机（perceptron）是一类根据带答案的样本调整连接权重、从而学习某些线性分类边界的早期神经网络模型。[1, pp. 386–390] 例如，它可让错误分类推动权重更新，逐步把两类可线性分开的点隔开。
感知机为何出现，与“难以为每个模式手写识别规则”有关。它能学习部分分类任务，但单层形式不能表示所有边界；“1957技术报告”“1958论文”“媒体展示”和后来的Mark I硬件也不是同一日期。它不是第一个神经网络，更不等于现代深层网络。