仅用于初步的理解，所解释的语句可能不正确。
感知机
Perceptronn. 感知器，[计] 感知机（模拟人类视神经控制系统的图形识别机)
感知器是Frank Rosenblatt在1957年时所发明的一种人工神经网络。
感知机是生物神经细胞的简单抽象。神经细胞结构大致可分为：树突、突触、细胞体及轴突。单个神经细胞可被视为一种只有两种状态的机器——激动时为‘是’，而未激动时为‘否’。神经细胞的状态取决于从其它的神经细胞收到的输入信号量，及突触的强度（抑制或加强）。当信号量总和超过了某个阈值时，细胞体就会激动，产生电脉冲。电脉冲沿着轴突并通过突触传递到其它神经元。为了模拟神经细胞行为，与之对应的感知机基础概念被提出，如权量（突触）、偏置（阈值）及激活函数（细胞体）。
它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器。在人工神经网络领域中，感知机也被指为单层的人工神经网络，以区别于较复杂的多层感知机（Multilayer Perceptron）。作为一种线性分类器，（单层）感知机可说是最简单的前向人工神经网络形式。尽管结构简单，感知机能够学习并解决相当复杂的问题。感知机主要的本质缺陷是它不能处理线性不可分问题。
线性
两个变量之间存在一次方函数关系，就称它们之间存在线性关系。
二类分类
一个样本属于两个类中的一个 。
特征向量
图中的坐标左右翻转时，中间垂直的红色向量方向保持不变，水平方向上黑色的向量的方向完全反转。它们都是左右翻转变换的特征向量。红色向量长度不变，其特征值为1。黑色向量长度也不变但方向变了，其特征值为-1。绿色向量在翻转后和原来的向量不在同一条直线上，因此不是特征向量。