McCulloch and Pitts の形式ニューロンを用いて学習則に Hebb 則を使った モデル。
Figure 2: パーセプトロンの概略図, Minsky and Papert(1989)
パーセプトロン perceptron は、3 層の階層型ネットワークでそれぞれ、
S(sensory layer), A(associative layer), R(response layer) と呼ぶ。
のうち パーセプトロンの本質的な部分は
の間の学習にある。
入力パターンに 
と 
とがある。
パーセプトロンは が入力されたとき 1, のとき 0 を出力する
機械である。
出力層(R) の i 番目のニューロンへの入力(膜電位の変化) 
は
ここで中間層(A)の j 番目のニューロンの出力 
とこのニューロンとの
結合係数を 
、しきい値を 
とした。
このニューロンの出力 (活動電位、スパイク)は、
と表される。
式(9)の意味を理解するために以下の図を参照
。
図からわかるとおり、w は線形判別関数の法線ベクトルになっている。
パーセプトロンによるパターン分類とは、
出力細胞が１つの場合、
入力パターン空間(n 個の入力があれば n次元空間)を
を満たす境界(n-1次の超平面)によって
2 つの部分空間に分割することであると言える。
