🔑 名詞卡
人工神經元（Artificial Neuron）
🎯 定義
受生物神經元啟發設計的數學模型，接收多個輸入訊號並加權求和，再透過激活函數產生輸出：\(Z=\sum_i w_ix_i+b\)，Output=A(Z)。
重點／應用
- 感知器（Perceptron）：最早、最簡化的人工神經元模型（Rosenblatt, 1957），用步階函數作激活函數，只能解決線性可分問題，無法解決 XOR 等非線性可分問題。
- 多個人工神經元堆疊成多層結構即形成 MLP（多層感知器），是所有深度學習模型的基礎單元。
記憶技巧
「輸入 → 加權求和 → 激活函數 → 輸出」，這條流程要背熟，是理解前向傳播的第一步。
易混淆
- vs 感知器：感知器是人工神經元的早期、簡化版本（用步階函數），現代神經元使用 Sigmoid、ReLU 等連續可微的激活函數。
📖 課文原文「人工神經元是受生物神經元啟發而設計的數學模型。接收多個輸入訊號，對這些訊號進行加權求和，然後透過一個激活函數（Activation Function）產生一個輸出訊號。」