1、输出与输入的关系（感知基）：
这个模型由生活中而来，
是输入表示各种情况，
表示各种情况的影响权重，
得到整体的影响，
是门限（偏移）当影响y>0就做出1决策，否则就做出0决策。
2、为什么要使用（sigmoid neuron）：
是一个不连续的函数，可能微小的改变
，会导致y的翻转性的变化。使用sigmoid neuron，使y与w和b是连续关系（微小的，y也是微小的变化），且输出的值在0~1之间，所以选择
3、误差函数
输出与输入的关系最好为如下，看起来很复杂的样子。
误差函数为：
很多时候会使用一个平均误差函数，为什么我还不懂。
梯度下降法就是从导数方向调整w和b，使误差函数（代价函数）的值最小。（统计值最小，所以要求一个平均误差），其中权重和偏移b的导数如下
看起来很复杂，反向传播的方式计算起来就没那么复杂了。
导数的反方向是降低误差函数c的最快的方向，给定一个学习率
，每次学习调整
最终使c达到最小。