更改

下面是一个介绍单层感知机学习算法的例子。对于存在隐层的多层感知机，必须使用诸如[[反向传播]]等更加复杂的算法。尽管下面的方法也是可行，但如果在函数是非线性且可微的情况下，那么可以使用[[链式法则]]等方法解决问题。

下面是一个介绍单层感知机学习算法的例子。对于存在隐层的多层感知机，必须使用诸如[[反向传播]]等更加复杂的算法。尽管下面的方法也是可行，但如果在函数是非线性且可微的情况下，那么可以使用[[链式法则]]等方法解决问题。

当多个感知机在一个人工神经网络中组合应用时，每个输出神经元都独立于其他神经元运行。因此，学习的每一个输出都可以单独考虑。[[File:Perceptron example.svg.png|500px|thumb |right|一副图展示了感知机算法在新的训练数据加入时是如何更新它的线性边界的。]]

当多个感知机在一个人工神经网络中组合应用时，每个输出神经元都独立于其他神经元运行。因此，学习的每一个输出都可以单独考虑。

 

[[File:Perceptron example.svg.png|400px|thumb|right|展示了感知机算法在新的训练数据加入时是如何更新它的线性边界的。]]

=== 定义 ===

=== 定义 ===