它们在这种情况下具有相同的含义，尽管在使用Rosenblatt更新规则进行训练期间，前者在每次更新期间可能会有很大的变化。Perceptron用于二元分类，这意味着有两个可能的类要分类。如果内积的结果，这里是点积，大于或等于零，则输入类将是第一类，如果它小于零，则输入类将是另一类。Perceptron只有一个神经元。这是一个简单的线性分类器。阈值的值很重要。意味着如果乘积大于零，则输入属于例如正类，如果为负，则属于负类。阶跃函数和Rosenblatt不再使用更新规则。他们有如此多的振荡。今天的网络使用梯度下降算法学习，该算法使用导数的概念。

当你进步时，你会发现使用其他激活函数的神经网络类似Sigmoid或Tanh不同。前者具有0.5期望值，后者具有0期望值，这导致第二个学习得更快。尽管现在一天ReLU在其他激活功能中更受欢迎。

我认为这取决于算法的下一步是如何在各自的教科书中定义的。可能会有细微差别。

您的 if 语句可以解释为以下半句，

“如果符号发生变化，[更新权重，如果没有，什么也不做”]

.

第二个 if 语句如下：

“如果值非零，[更新权重，否则什么也不做。]”

也许您的教科书在两者之间的部分编写方式上有所不同[ ... ]。