，或者用更加生物学术语，偏移是指衡量感知器触发的难易程度。对付一个大的偏移，感知器更随意马虎输出 1
。如果偏移负值很大，那么感知器将很难输出 1
。显然，引入偏移对付描述感知器改动不大，但是我们后面将看到这将简化符号描述。正因如此，本书剩下部分都将利用偏移，而不是用阈值。
我们已经先容了用感知器，基于凭据(evidence)的加权求和来进行决策。感知器也能够被用来打算基本逻辑函数，像 AND, OR, andNAND 这些常日被看做是实现打算的根本。比如说， 假设我们有一个两个输入的感知器，每个输入具有权重−2
，全体偏移为3
，如下所示感知器：
那么我们将看到输入00
会产生输出1
，由于(−2)∗0+(−2)∗0+3=3
是正数。这里，我们引入∗
符号来进行显示乘法。与此类似，输入01
和10
都将产生输出1
。但是输入11
将产生输出0
，由于(−2)∗1+(−2)∗1+3=−1
是负数。因此这个感知器实现了一个NAND门!
这个NAND 门例子表明我们能够利用感知器来打算大略的逻辑函数。实际上，我们能够利用感知器网络来打算任意的逻辑函数。缘故原由是NAND 门在打算中是通用的，也便是，我们能够用一些NAND门来布局任意打算。比如，我们能够用NAND门来构建两个二进制变量x
1
和x
2
的位加法电路。这须要对它们按位求和x
1
+x
2
，同时当x
1
和x
2
都是1
时候进位1
。进位便是x
1
和x
2
的按位乘：
为了得到相同的感知器网络，我们将NAND门用具有两个输入的感知器代替，每一个输入具有权重−2
，整体具有偏移3
。以下是感知器网络结果，把稳我们把右下角的NAND门对应的感知器向左移动了一点，以便绘制图表中的箭头：
值得把稳的是，这个感知器网络中最左边的感知器输出被右下角的感知器利用了两次。当我们定义感知器模型时，我们说这种双倍输出到同一个感知器是不许可的。实际上，这没什么关系，如果我们不许可这种情形，只须要把这两条线合并成一条线，并且将权重设置为-4即可。（如果不这么认为，那么你须要停下来并证明一下它们等同性）在这点小改变后，感知器网络如下所示，没有标签的权重为-2，所有偏移为3，唯一权重为-4的边进行了标记：
直到现在，我