3.1.1 神经网络组成 内容修订

3.1.1 神经网络组成 内容修订

ch03_深度学习基础/第三章_深度学习基础.md

@@ -27,7 +27,7 @@ output = \left\{
 \right.
 $$
 
-假如把感知机想象成一个加权投票机制，比如 3 位评委给一个歌手打分，打分分别为$ 4 $分、$1$ 分、$-3 $分，这$ 3$ 位评分的权重分别是 $1、3、2$，则该歌手最终得分为 $4 * 1 + 1 * 3 + (-3) * 2 = 1$ 。按照比赛规则，选取的 $threshold$ 为 $3$，说明只有歌手的综合评分大于$ 3$ 时，才可顺利晋级。对照感知机，该选手被淘汰，因为
+假如把感知机想象成一个加权投票机制，比如 3 位评委给一个歌手打分，打分分别为$ 4 $分、$1$ 分、$-3 $分，这$ 3$ 位评分的权重分别是 $1、3、2$，则该歌手最终得分为 $4 \times 1 + 1 \times 3 + (-3) \times 2 = 1$ 。按照比赛规则，选取的 $threshold$ 为 $3$，说明只有歌手的综合评分大于$ 3$ 时，才可顺利晋级。对照感知机，该选手被淘汰，因为：
 
 $$
 \sum_i w_i x_i < threshold=3, output = 0
@@ -38,17 +38,17 @@ $$
 $$
 output = \left\{
 \begin{aligned}
-0, \quad if \ \ w \cdot x + b \le threshold \\
+0, \quad if \ \ \boldsymbol{w} \cdot \boldsymbol{x} + b \leqslant 0 \\
-1, \quad if \ \ w \cdot x + b > threshold
+1, \quad if \ \ \boldsymbol{w} \cdot \boldsymbol{x} + b > 0
 \end{aligned}
 \right.
 $$
 
-设置合适的  $x$  和  $b$ ，一个简单的感知机单元的与非门表示如下：
+设置合适的  $\boldsymbol{x}$  和  $b$ ，一个简单的感知机单元的与非门表示如下：
 
 ![](./img/ch3/3-2.png)
 
-当输入为 $0$，$1$ 时，感知机输出为 $ 0 * (-2) + 1 * (-2) + 3 = 1$。
+当输入为 $0$，$1$ 时，感知机输出为 $ 0 \times (-2) + 1 \times (-2) + 3 = 1$。
 
 复杂一些的感知机由简单的感知机单元组合而成：