而分类问题，由于问题建模时引入了sigmod函数与概率思想，其构造的代价函数为非线性的，难以得到解析解，只能使用求偏导梯度下降的方法逐步求解，计算量大。为解决分类问题中，求偏导计算量大的问题，研究者开发了一种感知机模型：受生物神经元之间连接加强的过程（即Hebb规则）的启发，不求偏导而是直接使用输入输出的乘积作为参数变化值，同样可以取得良好的分类效果，大大降低了计算的复杂性。那么问题来了，多层感知

而分类问题，由于问题建模时引入了sigmod函数与概率思想，其构造的代价函数为非线性的，难以得到解析解，只能使用求偏导梯度下降的方法逐步求解，计算量大。为解决分类问题中，求偏导计算量大的问题，研究者开发了一种感知机模型：受生物神经元之间连接加强的过程（即Hebb规则）的启发，不求偏导而是直接使用输入输出的乘积作为参数变化值，同样可以取得良好的分类效果，大大降低了计算的复杂性。那么问题来了，多层感知