本章为理解人工神经网络提供基本知识。我们首先将深度学习与传统机器学习技术进行对比，指出主要差异。

您将研究生物神经元作为人工模型的思想来源，然后定义人工神经元的数学组成：输入、权重、偏置、求和函数和激活步骤。我们将分析感知机（神经网络的最早形式），了解其功能，并讨论其局限性，尤其是在处理像异或（XOR）问题这样的非线性可分离数据时。

这引出了多层感知机（MLP）的介绍，说明了增加隐藏层如何提升模型的复杂度和表达能力。本章以一个实践练习作结，您将在其中使用Python实现一个简单的感知机模型。

完成本章学习后，您将掌握历史背景以及构建更复杂深度学习架构的核心组成部分。