Поскольку по определению персептрон является двоичным классификатором, даже в его простейшем воплощении вы можете думать о нем как о смещении / пороге 0:
y = f( w п * x п > 0 ? 1 : 0 )
Но так как 0 - довольно произвольное значение, смещение / порог явно вводятся в модель как переменная:
y = f( w n * x n > b '? 1 : 0 ) или y = f( w n * x п + b > 0 ? 1 : 0 )
Проблема состоит в том, что теперь модель моделирует другие переменные (b [которые являются скалярами), кроме исходных w n [которые являются векторами]), которые необходимо учитывать при обучении.
Есть много способов сделать это, наивный способ состоит в том, чтобы просто выбрать некоторые из возможных значений b и для каждого поезда модель на w n и сохранить ( b, w n ) пара, которая дала лучший результат.
Более элегантный способ - просто думать о переменной смещения / порога b как о весе, который привязан к входу, который всегда равен 1, что в основном возвращает модель к исходной форме только с 1 переменной w, за исключением того, что теперь векторы x и w имеют n + 1 элементов:
y = f( w n + 1 * x n + 1 > 0 ? 1 : 0 )