神经网络最重要的层是感知层。它是神经网络学习的开端，代表着神经网络中某一层的数据处理方法，而不是具体指代输入层、隐藏层还是输出层（结构上的划分）。
下图显示了一个感知层神经元，它是感知层的基本单元。感知神经元接收一组数字输入信号，然后这些信号与偏置系数b、一组权重系数组合，生成输出信号y（y为单数字变量）。该层神经元参数包括偏置和权重。
感知层神经单元数学表达式
组合函数（输入函数）：
c—combination。
激活函数（输出函数）：
a—activation。
每一层神经单元的激活函数决定了神经网络代表的功能。最常见的几种激活函数如下：
线性激活函数双曲正切激活函数Logistic激活函数线性整流激活函数（relu）下面分别对这几种函数进行介绍。
线性激活函数
采用线性激活函数的感知层神经单元输出即为组合输入值。
双曲正切激活函数
双曲正切激活函数是构建神经网络中最常用的激活函数之一。它是一个S型函数，取值在-1和+1之间变化。
Logistic激活函数
Logistic函数是另一种S函数。它与双曲正切非常相似，但取值范围在0到1之间。
线性整流（relu）激活函数
线性整流激活函数，也称为ReLU，是最常用的激活函数之一。