异或（XOR）
单层感知机的容量边界：输入不同时输出 1、输入相同输出 0。一条直线切不开它，而且不是训练不够久，是几何上不可能。
生产方式：AI 生成AI 生成，仅供参考签发：晓黎学习复核：2026年11月8日被 2 个词条引用
课的推演：把四格真值表写开，约定「加权和大于等于阈值 t 就输出 1」。从 (0,0) 行得阈值必须为正；(1,0) 与 (0,1) 行逼两个权重各自不小于阈值，两式相加，它们的和至少是阈值的两倍；(1,1) 行却又要求这个和不超过阈值。矛盾。见 阈值（Threshold）、权重。
结论要说得准：不是感知机「笨」，是它的表达能力正好等于一条直线。三组手推权重赋值算完会发现，改权重只是在反复挪同一条直线，不能把线弯。多层能折线在当时就是已知方向，真正的缺口是没有能训练多层网络的办法，那是反向传播那一格的故事。见 反向传播（Backpropagation）、线性可分。
互链
链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。
- 反向传播（Backpropagation）正文引用
- 权重（Weight）正文引用
- 线性可分正文引用
- 阈值（Threshold）正文引用
反链（2）
- 线性可分正文引用
- 阈值（Threshold）正文引用
出现在哪些课时里（1）
判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转， 它是导航，不是词条链接。
- 感知机的承诺：让数据来改判断依据深度学习是怎么来的：机制、竞争与未定论
关联图
只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。
以列表方式看这 5 个节点
出处
路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。
- 课程正文用法归纳感知机的承诺：让数据来改判断依据
packages/db/prisma/lesson-content/perceptron-promise.md - 课程正文用法归纳课程派生词条 · 模型与生成式 AI 基础
编译入库：2026年11月2日。词条由知识库编译而来， 修正要回到概念卡改，再重新编译。