Mehrschichtiges Perzeptron (MLP)
Ein Mehrschichtiges Perzeptron ist ein klassisches, vollständig verbundenes Feedforward-Neuronales Netz, das mit dem Backpropagation-Algorithmus trainiert wird, wie er von Rumelhart, Hinton & Williams in ihrem wegweisenden Nature-Artikel von 1986 formalisiert wurde. Bestehend aus einer Eingabeschicht, einer oder mehreren verborgenen Neuronenschichten und einer Ausgabeschicht, lernt das MLP nichtlineare Abbildungen von Eingabemerkmalen auf Zielausgaben und dient als grundlegender Baustein des modernen Deep Learning.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/de/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.
- Logistische RegressionForschungsstatistik↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Rekurrentes neuronales NetzDeep Learning↔ compare
- XGBoostMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →