Multikihtiline perceptron (MLP)
Multikihtiline perceptron (MLP) on edasisuunaline närvivõrkude arhitektuur, mida treenitakse tagurileviga (backpropagation). Selle formaliseerisid Rumelhart, Hinton ja Williams oma 2006. aasta mõjukas Nature'i artiklis. Koosnedes sisendkihist, ühest või enamast peidetud neuronikihist mittelineaarsete aktivatsioonifunktsioonidega ja väljundkihist, suudab MLP ligikaudselt aproksimeerida mis tahes pidevat funktsiooni suvalise täpsusega ning toimib kontseptuaalse sillana klassikalise masinõppe ja tänapäevase süvaõppe vahel.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/et/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.
- Logistiline regressioonUurimisstatistika↔ compare
- Juhuslik metsMasinõpe↔ compare
- Korduv närvivõrkSüvaõpe↔ compare
- XGBoostMasinõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →