Многослоен персептрон (MLP)
Многослойният персептрон е класическа напълно свързана невронна мрежа с право разпространение, обучена с алгоритъма за обратно разпространение на грешката, както е формализиран от Rumelhart, Hinton & Williams в тяхната основополагаща статия в Nature от 1986 г. Състоящ се от входен слой, един или повече скрити слоя от неврони и изходен слой, MLP научава нелинейни трансформации от входни характеристики към целеви изходи и служи като фундаментален градивен елемент на модерното дълбоко обучение.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Източници
- Rumelhart, D. E., Hinton, G. E. & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning (Ch. 6–8). MIT Press. ISBN: 978-0-262-03561-3
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 5). Springer. ISBN: 978-0-387-31073-2
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/bg/deep-learning/multilayer-perceptron
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Логистична регресияСтатистика за изследвания↔ compare
- Случайна гораМашинно обучение↔ compare
- Рекурентна невронна мрежаДълбоко обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →