神经元与感知机

一个神经元就是一个「加权记分员」

想象班里评选三好学生：老师看平时成绩、体育、纪律三项，但重视程度不同——成绩占 70%，体育占 20%，纪律占 10%。把每项分数乘上权重再相加，超过 60 分就当选。一个神经元干的就是这件事：接收几个输入，各乘一个「权重」，加总后过一个门槛，输出「是」或「否」。

感知机：最早的神经元模型

1957 年，心理学家罗森布拉特发明了感知机，写成公式就是 $y=wx+b$ 再加一个阶跃判断：$w$ 是权重（每个输入的重要性），$b$ 是偏置（门槛的高低）。比如用「作业完成率 ×0.7 + 测验分 ×0.3 − 60」判断能否通过课程，这就是一个感知机。

权重不是人定的，是学出来的

这是神经网络和传统程序最大的区别：传统程序里规则由程序员写死；神经网络里，权重从数据中自动调整——给模型看成千上万个「输入 → 正确答案」的例子，它自己慢慢把权重调到合适。

常见误区

神经元不是对大脑细胞的仿真——它只是一个数学函数，「神经元」是借来的比喻，别把它想象成微型大脑。

练一练：设计一个感知机判断「今天适不适合踢球」：列出 3 个输入（如天气、作业量、场地），各给一个权重和门槛。