separability

的前向人工神经网络形式。尽管结构简单，感知机能够学习并解决相当复杂的问题。感知机主要的本质缺陷是它不能处理线性不可分（英语：linear separability）问题。 1943年，心理学家沃伦·麦卡洛克和数理逻辑学家沃尔特·皮茨在合作的《A logical calculus of the ideas

這種形式的量子態稱為直積態（product state）。量子態 | ψ ⟩ A B {\displaystyle |\psi \rangle _{AB}} 具有可分性（separability），是「可分態」。對於子系統A做測量，必定不會影響到子系統B；反之亦然。因此，對於這種複合系統，測量任意子系統的可觀察量時，不必考慮到另外一個子系統。

S. L.; Caves, C. M.; Jozsa, R.; Linden, N.; Popescu, S.; Schack, R., Separability of Very Noisy Mixed States and Implications for NMR Quantum Computing

Roychowdhury, V.P. On self-organizing algorithms and networks for class-separability features. IEEE Transactions on Neural Networks. 1997-05-01, 8 (3): 663–678

尽管原始问题可能是在有限维空间中陈述的，但用于区分的集合在该空间中往往线性不可分（英语：Linear separability）。为此，有人提出将原有限维空间映射到维数高得多的空间中，在该空间中进行分离可能会更容易。为了保持计算负荷合理，人们选择适合该问题的核函数