Perceptron-neuromalli
Perusyksikkö McCulloch-Pitts -tyyppinen neuroni:
Syötteenä annetaan joukko (x,y)-esimerkkipareja (x binäärinen n-vektori, y = 0/1); tavoitteena on löytää sellaiset painokertoimet (w,h), että neuroni laskee esimerkit oikein
Rosenblatt esitti yksinkertaisen adaptiivisen algorit-min, joka todistettavasti syöte-esimerkkejä riittävän monta kertaa toistettaessa ”oppii” minkä tahansa yhdellä neuronilla laskettavissa olevan syöte/tulos-kuvauksen
Ongelma: yhden neuronin laskuvoima on hyvin rajallinen (voi toteuttaa vain ns. lineaarisesti erot-tuvat 0/1-luokitukset, ei esim. XOR-funktiota); Rosenblatt ei osannut yleistää algoritmia moni-kerroksisiin verkkoihin.
y = sgn(w1*x1 + … + wn*xn - h)