神经元的动作： net=∑w,x (X,W,∈R) i=1 y=f(net) 输出函数f:也称作用函数，非线性。 1 net net 0 0 0 net 0 (a) (b) (c) 阈值型 S型 伪线性型 f为侧位数所：=三x-0 设0=-wn+1，点积形式：y=sgn(WTX) 式中，W=[w1,…,wn,wn+1]X=[x1,…,xn,1]神经元的动作：   n i i i net w x 1 y  f (net) (x , w R) i i  输出函数 f：也称作用函数，非线性。 阈值型 S型 伪线性型 f 为阈值型函数时：           n i i i y w x 1 sgn  设  wn1 ，点积形式： sgn( ) T y  W X T 1 1 [ , , , ] W  w  wn wn T 1 [ , , , 1] n 式中， X  x  x