本文系统介绍了神经网络的基础理论，重点解析了神经元模型和感知机的结构与工作原理。首先从生物神经元抽象出M-P模型，阐述其数学表达式和激活函数选择（阶跃函数与Sigmoid函数）。然后详细分析感知机的两层结构、功能边界（可处理线性可分问题但无法解决异或问题）及其学习策略，包括损失函数设计和权重更新规则。最后通过哑结点技巧统一权重与阈值参数，为神经网络训练奠定理论基础。全文严格遵循《机器学习》（西瓜书

继神经网络（前馈神经网络：https://blog.csdn.net/A_Sinon/article/details/157101519?fromshare=blogdetail&sharetype=blogdetail&sharerId=157101519&sharerefer=PC&sharesource=A_Sinon&sharefrom=from_link）后，引入卷积神经网络。