Multi-layer Perceptron (MLP)
A Multi-layer Perceptron (MLP) egy olyan előrecsatolt (feedforward) neurális hálózati architektúra, amelyet a backpropagation algoritmussal képeznek, és amelyet Rumelhart, Hinton és Williams fogalmaztak meg úttörő, 1986-os Nature publikációjukban. Egy bemeneti rétegből, egy vagy több nemlineáris aktivációs függvénnyel rendelkező neuront tartalmazó rejtett rétegből és egy kimeneti rétegből áll. Az MLP tetszőleges pontossággal képes bármely folytonos függvény közelítésére, és az alapvető gépi tanulás és a modern mélytanulás közötti fogalmi hidat képezi.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/hu/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.
- Logistic RegressionKutatási statisztika↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Rekurrens neurális hálózatMélytanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →