Generative Artificial Intelligence. Part Three: Perceptron
Abstract
The third part of the series on generative artificial intelligence explains the perceptron as a basic type of artificial neuron. The text builds on the McCulloch–Pitts neuron and shows how Rosenblatt’s perceptron overcomes some of its limitations: it works with real-valued inputs, weights, and a bias, and can be understood as a linear binary classifier. The author describes the computation of a weighted sum, the use of an activation function, and the geometric interpretation of the decision boundary in the plane and in higher-dimensional spaces. The article prepares the ground for further discussion of weight learning and the possibilities and limitations of neural models.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 MATHEMATICS–PHYSICS–INFORMATICS
This work is licensed under a Creative Commons Attribution 4.0 International License.
Autoři, kteří publikují v tomto časopise, souhlasí s následujícími body:
- Autoři si ponechávají copyright a garantují časopisu právo prvního publikování, přitom je práce zároveň licencována pod Creative Commons Attribution licencí, která umožňuje ostatním sdílet tuto práci s tím, že přiznají jejího autora a první publikování v tomto časopisu.
- Autoři mohou vstupovat do dalších samostatných smluvních dohod pro neexkluzivní šíření práce ve verzi, ve které byla publikována v časopise (například publikovat ji v knize), avšak s tím, že přiznají její první publikování v tomto časopisu.
Obsah časopisu podléhá licenci Creative Commons Uveďte autora 3.0 Česko
