一， 感知机
体会：
实现异或的那个例子很巧妙
函数和概念：
np.ndim(A)
求numpy数组的维数
np.dot(A, B)
将A和B做矩阵乘法（注意：矩阵乘法不具有可交换性）
problem：
感知机一定是指线性的吗？不能是多项式的？
阶跃的激活函数与平滑的激活函数
关于二维数组的行列表示
对A[3][4]，其中3为第0维的元素个数，称为行数；4为第1维的元素个数，称为列数。
感觉从一维到二维有一点不协调，所以向量是竖着排的确实很有特点。
推荐书籍：
《计算机系统要素：从零开始构建现代计算机》。
这本书以深入理解计算机为主题，论述了通过 NAND构建可运行俄罗斯方块的计算机的过程。此书能让读者真实体会到，通过简单的 NAND元件就可以实现计算机这样复杂的系统。
摘抄：
本书在使用“感知机”一词时，没有严格统一它所指的算法。一般而言，“朴素感知机”是指单层网络，指的是激活函数使用了 阶跃函数 的模型。“多层感知机”是指神经网络，即使用 sigmoid函数（后述）等平滑的激活函数的多层网络。
从视觉上确认函数的形状对理解函数而言很重要
之所以sigmoid函数的实现能支持NumPy数组，秘密就在于NumPy的广播功能（1.5.5节）。根据NumPy 的广播功能，如果在标量和NumPy数组之间进行运算，则标量会和NumPy数组的各个元素进行运算。
如果把这两个函数与水联系起来，则阶跃函数可以比作“竹筒敲石”A，sigmoid函数可以比作“水车”。阶跃函数就像竹筒敲石一样，只做是否传送水（0或1）两个动作，而sigmoid函数就像水车一样，根据流过来的水量相应地调整传送出去的水量。
单词：
aligned 对齐
元组（tuple）
参考：
深度学习入门：基于Python的理论与实现 (斋藤康毅)
