Un perceptrón es el tipo más simple de red neuronal artificial y es la base de muchas redes neuronales más complejas. Fue desarrollado en 1958 por Frank Rosenblatt. Un perceptrón toma múltiples entradas, las pondera (multiplica cada una por un peso), las suma y aplica una función de activación para generar una salida.
Salida = | 1, si la suma ponderada >= 0 | 0, si la suma ponderada < 0
Suma ponderada = (Input 1 x Peso 1) + (Input 2 x Peso 2) + Sesgo
Salida = | 1, si la suma ponderada >= 0 | 0, si la suma ponderada < 0
Error = Salida deseada - Salida predicha Peso 1 += Tasa de aprendizaje x Error x Input 1 Peso 2 += Tasa de aprendizaje x Error x Input 2 Sesgo += Tasa de aprendizaje x Error
La salida del entrenamiento muestra los detalles de cada época, incluidos los valores de entrada, los pesos, el sesgo, la Salida Predicha, la Salida Esperada y el error. Una línea separadora se añade después de cada época para mayor claridad.