詳細解釋
感知器（Perceptron）是神經網絡最基本的單元，由Frank Rosenblatt於1957年提出，是理解神經網絡 (類神經網路)的起點。
運作原理：
- 輸入：接收多個數值特徵
- 權重：每個輸入有對應權重，決定重要性
- 加總：計算加權總和
- 激活：通過階躍函數輸出0或1
數學表達：y = step(w₁x₁ + w₂x₂ + ... + wₙxₙ + b)
歷史意義：
- 首次實現可學習的人工神經元
- 證明機器可以學習簡單模式
- 為後來的深度學習 (深度神經網絡)奠定基礎
限制：
- 只能解決線性可分的問題
- 無法解決XOR問題
- 單層感知器能力有限
演進：多層感知器（MLP）通過堆疊多層解決了非線性問題。