Многослоен персептрон (MLP)
Многослойният персептрон (MLP) е архитектура на невронна мрежа с право пренасяне, обучавана чрез обратно разпространение на грешката, формализирана от Rumelhart, Hinton и Williams в тяхната основополагаща статия в Nature от 1986 г. Състоящ се от входен слой, един или повече скрити слоеве от неврони с нелинейни активационни функции и изходен слой, MLP може да апроксимира всяка непрекъсната функция с произволна точност и служи като концептуален мост между класическото машинно обучение и 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.
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. 6–7). 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). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/bg/machine-learning/multi-layer-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
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →