Multilayer Perceptron (MLP)
Un Multilayer Perceptron (MLP) è una rete neurale feedforward completamente connessa, addestrata con l'algoritmo di backpropagation, formalizzato da Rumelhart, Hinton & Williams nel loro fondamentale articolo del 1986 su Nature. Composto da uno strato di input, uno o più strati nascosti di neuroni e uno strato di output, l'MLP apprende mappature non lineari dalle caratteristiche di input agli output target e funge da blocco fondamentale del moderno deep learning.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/it/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.
- Regressione LogisticaStatistica per la ricerca↔ compare
- Random ForestApprendimento automatico↔ compare
- Reti neurali ricorrentiApprendimento profondo↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →