2.1.2 퍼셉트론 학습 규칙
MCP 뉴런과 로젠블라트의 임계 퍼셉트론 모델 이면에 있는 전반적인 아이디어는 뇌의 뉴런 하나가 작동하는 방식을 흉내 내려는 환원주의(reductionism)4 접근 방식을 사용한 것입니다. 즉, 출력을 내거나 내지 않는 두 가지 경우만 있습니다. 따라서 로젠블라트의 초기 퍼셉트론 학습 규칙은 매우 간단합니다. 퍼셉트론 알고리즘을 요약하면 다음 과정과 같습니다.
1. 가중치를 0 또는 랜덤한 작은 값으로 초기화합니다.
2. 각 훈련 샘플 
에서 다음 작업을 합니다.
a. 출력 값 
를 계산합니다.
b. 가중치와 절편을 업데이트합니다.
여기에서 출력 값은 앞서 정의한 단위 계단 함수로 예측한 클래스 레이블입니다. 가중치 벡터 w에 있는 개별 가중치 wj와 절편 유닛이 동시에 업데이트되는 것을 다음과 같이 쓸 수 있습니다.5
업데이트 값(“델타”)은 다음과 같이 계산됩니다.
