1 感知器为什么不适合学习？以及S型神经元的优点。

感知器的表达形式如下

感知器.png

感知器是不可微的，权重的一个微小变化可能会导致结果的完全反转。使得变化不可控。我们希望的是每次学习的过程中，逐步修改权重和偏置来让网络产生更好的输出。
S型神经元和感知器类似，但是被修改为权重和偏置的微小改动只引起输出的微小变化。

S神经元
S型神经元长这样：
S型神经元

S型神经元在输入很大的时候，结果接近1；在输入为很大负数的时候，结果接近0。和感知器类似，但是它是可微的，而且其微分形式很简单。