Multilayer Perceptron (MLP)
Multilayer Perceptron adalah jaringan saraf umpan maju yang terhubung penuh klasik yang dilatih dengan algoritma backpropagation, sebagaimana diformalkan oleh Rumelhart, Hinton & Williams dalam makalah Nature mereka yang penting pada tahun 1986. Terdiri dari lapisan masukan, satu atau lebih lapisan neuron tersembunyi, dan lapisan keluaran, MLP mempelajari pemetaan nonlinier dari fitur masukan ke keluaran target dan berfungsi sebagai blok bangunan dasar pembelajaran mendalam modern.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/id/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.
- Regresi LogistikStatistika Penelitian↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Jaringan Saraf Berulang (Recurrent Neural Network - RNN)Pembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →