神经网络初探（二）
导读
2016年初，DeepMind研发的以神经网络技术为基础的围棋程序AlphaGo战胜了世界围棋冠军李世石，引起了全世界的广泛关注。围棋棋盘上有19*19=361个交叉点，每一步都可能影响之后的几百步，很难从当前棋子的分布判断局势，与象棋、国际象棋相比要复杂地多，一个人类棋手需要十几年的刻苦训练以及具备极高悟性才能达到一定水平。
那么，深度学习究竟有着什么样的魔力，能够让AlphaGo在短时间内在如此复杂的棋类游戏上达到世界顶尖水平？本小节将为大家介绍神经网络的起点——感知机，读者将收获以下知识：
- 熟悉感知机的基本原理及表达式
- 熟悉多层感知机的基本原理及表达式
感知机
在学习深度学习之前，我们首先需要了解其起源算法——感知机（Perceptron），感知机接受多个输入并且只有一个输出，模拟的便是人类神经元的基本结构，如下图所示为感知机的基本结构。
感知机是一种线性分类模型，属于判别模型，只能解决一些简单的问题。