什么是感知机？

The McCulloch-Pitts Neuron (McCulloch and Pitts, 1943) was an early model of brain function. This linear model could recognize two different categories of inputs by testing whether f (x, w) is positive or negative. 《Deep Learning》,p15

应该是说McCulloch and Pitts发明了一个模型，能够预测输入属于两个不同的类别中的哪个，通过判断函数 $f(x,w)$ 的正负来判断。
据[1]所述，MP神经元模型可用以下公式来描述：

\begin{aligned} y & = f (g (x)) \\ = 1 i f g (x) \geq θ, \\ = 0 i f g (x) < θ \\ 其 中 ， \\ g (x) & = g (x_{1}, x_{2}, x_{3}, . . ., x_{n}) = \sum_{x_{i} \in x} x_{i} \end{aligned}

$\begin{aligned} y&=f(g(x)) \\ &= 1\quad if\ g(x)\geq\theta, \\ &= 0\quad if\ g(x)<\theta \\ 其中，\\ g(x)&=g(x_1,x_2,x_3,...,x_n)=\sum_{x_i \in x}{x_i} \end{aligned}$

如下图所示：

McCulloch-Pitts 模型

如果 $g(x)>\theta$ ,那么MP模型（这里的MP指的是McCulloch 和 Pitts）的输出为 $1$ ，否则为 $0$ .
但是《Deep Learning》一书中却提到其有参数，那么应该是后来相对这些不同的“刺激”（输入）分配重要性， $w$ 就应运而生。（个人猜想）

但是，如果希望模型能够很好的针对不同的 $x$ 给出其对应的类别，那么就需要设置好 $w$ 的值，当然， $w$ 可以通过人来设置。

In the 1950s,the perceptron (Rosenblatt, 1958, 1962) became the first model that could learn the weights defining the categories given examples of inputs from each category. 《Deep Learning》,p15

感知机应该是50年代出来的，这个模型也可以用 $f(x,w)$ 表示，但是其 $w$ 是可以学习的。