神经网络是深度学习的基石。本章我们将从最简单的感知机开始，逐步理解神经网络的核心概念。

感知机（Perceptron）是 1957 年由 Frank Rosenblatt 提出的一种二分类线性模型。它接收多个输入信号，输出一个信号。

感知机的数学表达式为：

import numpy as np

def perceptron(x, w, b):
    # 计算加权输入
    y = np.dot(x, w) + b
    return 1 if y > 0 else 0

激活函数决定了神经元的输出。常见的激活函数包括 Sigmoid、ReLU 和 Tanh。

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def relu(x):
    return np.maximum(0, x)

将多个感知机按层排列，就构成了多层感知机（MLP）。每一层的输出作为下一层的输入，通过反向传播算法进行训练。