感知器算法由 Frank Rosenblatt 于 1957 年在康奈尔航空实验室发明（维基百科 EN）

这是第一个类似建筑的神经网络。人们认为（组合的）感知器可以学习任何东西。对此有很多争议，不久之后，Marvin Minsky 表明单个感知器无法解决 XOR 问题。这是第一次神经网络炒作的结束。

几十年后，发明了多层感知器，以及反向传播算法。反向传播算法可以学习不直接连接到输出单元的权重。但是，它需要一个可微的激活函数。因此，斜坡激活函数已经不够用了，因此使用了 sigmoid 和 tanh 等其他函数。

此外，感知器最初是使用电子板实现的，而不是我们今天可用的软件。二进制阈值使这个复杂的过程变得容易得多。

因此，简而言之，Rosenblatt 可以选择任何版本的重载阶跃函数，但他选择了$w \cdot x + b = 0$导致零输出。如果您认为二进制值是有道理的，那么零输入（即 False）会导致零输出。