Višeslojni perceptron (MLP)
Višeslojni perceptron (MLP) je feedforward arhitektura umjetne neuronske mreže obučena propagacijom unatrag, formalizirana od strane Rumelharga, Hintona i Williamsa u njihovom značajnom radu iz 1986. u časopisu Nature. Sastavljen od ulaznog sloja, jednog ili više skrivenih slojeva neurona s nelinearnim aktivacijskim funkcijama i izlaznog sloja, MLP može aproksimirati bilo koju kontinuiranu funkciju s proizvoljnom točnošću i služi kao konceptualni most između klasičnog strojnog učenja i 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.
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. 6–7). 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/hr/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.
- Logistička regresijaIstraživačka statistika↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Rekurentna neuronska mrežaDuboko učenje↔ compare
- XGBoostStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →