我正在试验单层感知器，我想我（大部分）都能理解。然而，我不明白的是，应该在哪个权重上添加校正（学习率*误差）。在我看到的例子中，这似乎是武断的。
好吧，看起来你half回答了你自己的问题：你确实纠正了所有非零权重，但并没有纠正相同的数量。
相反，你根据它们的传入激活来校正权重，所以如果X单元激活得很强，而Y单元只激活了一个小比特，并且存在很大的误差，那么从X单元到输出的权重将比Y单元的权重要校正得多。
这个过程的技术术语被称为delta规则，其详细信息可以在其wiki文章中找到。此外，如果您想将使用升级到多层感知器（单层感知器的计算能力非常有限，请参阅对Minsky和Papert反对在此处使用它们的论点的讨论），这里将讨论一种称为反向传播的类似学习算法。
回答了我自己的问题。
根据http://intsys.mgt.qub.ac.uk/notes/perceptr.html，"将此校正添加到有输入的任何权重"。换句话说，不要将校正添加到神经元值为0的权重中。