Višeslojni perceptron (MLP)
Višeslojni perceptron (MLP) klasična je potpuno povezana feedforward neuronska mreža koja se trenira algoritmom povratnog širenja pogreške, kako su ga formalizirali Rumelhart, Hinton i Williams u svom značajnom radu iz 1986. godine u časopisu Nature. Sastoji se od ulaznog sloja, jednog ili više skrivenih slojeva neurona i izlaznog sloja, MLP uči nelinearne preslike iz ulaznih značajki u ciljne izlaze i služi kao temeljni gradivni blok modernog dubokog učenja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/hr/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.
- Logistička regresijaIstraživačka statistika↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Rekurentna neuronska mrežaDuboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →