Machine learning
多層パーセプトロン (MLP)
多層パーセプトロン (MLP) は、フィードフォワード型ニューラルネットワークアーキテクチャであり、1986年にRumelhart、Hinton、およびWilliamsが画期的なNature論文で定式化したバックプロパゲーションによって訓練されます。入力層、非線形活性化関数を持つ1つ以上の隠れ層、および出力層で構成されるMLPは、任意の連続関数を任意の精度で近似でき、古典的な機械学習と現代の深層学習との間の概念的な架け橋として機能します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →