二元線性分類模型
感知機（Perceptron）是一種二元線性分類模型，由美國學者Frank Rosenblatt於1957年提出。
感知機是神經網絡的基礎，是最簡單的神經網絡模型之一。感知機的基本思想是利用帶權重的輸入信號，通過對這些信號的加權和進行閾值處理，從而得到一箇二元輸出，即將輸入數據分爲兩類。感知機的結構模擬了生物神經細胞，包括樹突、突觸、細胞體及軸突等組成部分，其中權重相當於突觸的強度，偏置相當於閾值，而激活函數則模擬了細胞體的響應。感知機的學習過程是通過調整權重和偏置來最小化分類錯誤，以實現對訓練數據的正確分類。儘管結構簡單，感知機能夠學習並解決相當複雜的問題，但其主要的本質缺陷是它不能處理線性不可分問題。
感知機還包括多層感知機（Multilayer Perceptron），含有隱層的網絡可用於非線性分類器。