（单层）感知机学习规则

假设感知器采用的是与阈值转移函数相类似的符号转移函数，其表达式为：

f(wTjx)=sgn(wTjx)={1,wTjx≥0−1,wTjx<0

下标 j 表示的是不同的迭代次数。用于调整参数的学习信号，等于神经元期望输出与实际输出之差：

r=dj−oj

权值调整公式应为：

Δwj=η(dj−sgn(wTjx))xΔwij=η(dj−sgn(wTjx))xi,i=0,1,…,n

显然实际输出与期望值相同时，权值无需调整。有误差（不一致）时，权值调整公式简化为：

Δwj=±2ηx

1. 感知器激活函数的选择

注意 hardlim 与 hardlims 的区别，hardlims的 s 表示的是 symmetric、