感知机（Perceptron）
Perceptron
最早的可学习二元分类神经网络单元，用加权求和与阈值做决策。
先用人话理解
感知机接收多个输入，学习一组权重，输出类别是或否。它展示了“从数据调整连接强度”的基本思想，也暴露了线性可分性的局限。Minsky 与 Papert 对感知机能力边界的分析深刻影响了当时的研究风向与资源分配。
为什么重要
感知机是神经网络与机器学习史的起点性模型，连接了早期乐观、理论批判与后来的多层网络复兴。
常见误解
单层感知机解决不了异或等问题，不代表神经网络整体无用。
现代深度网络远不止一个感知机单元的堆叠，但共享“可学习权重”的基因。