图6-9 感知器单元模型 　　当输入的加权和大于或等于阈值时，输出为1，否则为0。模型假定神经元中间的耦合程度（即加权系数W）可变，这样，该模型可以学习。 　　当它用于两类模式的分类时，相当于在高维样本空间中，用一个超平面将两类样本分开。Rosenblatt给出了相应的学习算法，并证明如果两类模式是线性可分的（指存在一个超平面能够将它们分开），则算法一定收敛，也就是说W一定存在；否则，判定边界会产生振荡。 　　1957年感知器及其学习算法的提出，是人工神经网络研究的重大发现。F. Rosenblatt成功地用其模拟和分析了动物和人的感知、学习能力。可以称为是人类历史上第一个真正的人工神经网络，因为F. Rosenblatt在IBM704计算机上进行了网络模型模拟，从学习结果上可以看到感知器有能力通过学习达到正确分类的结果，可以也称该模型为一个学习机。