Vícevrstvý perceptron (MLP)
Multilayer Perceptron je klasická plně propojená dopředředná neuronová síť trénovaná algoritmem zpětného šíření chyby, jak jej formalizovali Rumelhart, Hinton & Williams ve své přelomové práci v časopise Nature z roku 1986. MLP, složená ze vstupní vrstvy, jedné nebo více skrytých vrstev neuronů a výstupní vrstvy, se učí nelineární transformace ze vstupních příznaků na cílové výstupy a slouží jako základní stavební kámen moderního hlubokého učení.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/cs/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.
- Logistická regreseStatistika ve výzkumu↔ compare
- Random ForestStrojové učení↔ compare
- Rekurentní neuronová síťHluboké učení↔ compare
- XGBoostStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →