神经网络和感知器之间有什么区别？

“神经网络”和“感知器”这两个术语之间有什么区别吗？

是的，这里有-“感知器”是指Rosenblatt在1957年概述的一种特殊的监督学习模型。感知器是一种特殊的神经网络，实际上在历史上作为开发的神经网络的一种非常重要。在感知器之后还开发了其他类型的神经网络，并且神经网络的多样性不断增长（特别是考虑到当今最前沿和时尚的深度学习的发展）。

感知器模型包含在神经网络模型集中。

（单层）感知器是充当线性二进制分类器的单层神经网络。作为单层神经网络，可以在不使用更高级算法（例如反向传播）的情况下对其进行训练，而可以通过按照学习率指定的步骤“逐步”执行错误来进行训练。当有人说感知器时，我通常会想到单层版本。

但是，如果您在谈论多层感知器，则该术语与前馈神经网络相同。

感知器学习过程不能推广到隐藏层

•感知器收敛程序的工作原理是确保每次权重改变时，权重都会接近每个“一般可行”的权重。

–这种类型的保证不能扩展到更复杂的网络，在该网络中，两个好的解决方案的平均值可能是一个不好的解决方案。

•因此，“多层”神经网络不使用感知器学习过程。

–绝对不应该将它们称为多层感知器。

参考Coursera.org-神经网络课程-第三周

正如@Nick提到的，Preceptron是一个单层神经网络，它使用基于常识的手写程序来定义特征。此功能用作网络的输入，然后基于此做出二进制决策。

[图片和说明基于Coursera的Hinton Slide的作品]