Confusione per quanto riguarda la terminologia che circonda l'apprendimento perceptron

Question

Ho difficoltà a capire la terminologia con l'apprendimento di Perceptron. La mia comprensione attuale è corretta? Diciamo che ho alcuni dati che classificano quale tipo di fiore è un fiore particolare. E diciamo che i fattori presi in considerazione sono dimensioni del petalo, colorazione del petalo e dimensioni delle foglie. Quindi la mia attuale comprensione è che prendiamo ogni coppia di input e li facciamo l'asse di un grafico (ad es. Dimensione fogliare vs Colorazione petalo). Quindi, in questo caso, avremmo 3 grafici. Ora, tracciamo i punti dati e vediamo se è linearmente separabile. Cioè, possiamo tracciare una linea chiamata "confine decisionale" che separa i dati in due regioni per essere in grado di differenziare quali input sono correlati con quali output. Questa riga è definita da $ w^t CDOT x = y $. Tuttavia, la mia prima confusione è la seguente. In che modo 3 grafici diversi ciascuno con coppie di ingressi (l'asse 2) sono rappresentati usando un'equazione di una singola riga che viene utilizzata come livello di input della rete neurale?

La mia seconda confusione è, è la funzione obiettivo che definisce come deve essere interpretato $ w^t CDOT x $? Ad esempio, qualcosa come $ y = 1 $ se $ w^t CDot x geqslant 0 $ e else $ y = 0 $. Inoltre, come ho capito, la regola di apprendimento dovrebbe essere come aggiornare pesi consecutivi.

Qualcuno può spiegare la situazione che ho disposto. Sto leggendo il libro di Bishop su reti neurali. Ma sono confuso dal testo.