Machine learning
다층 퍼셉트론 (MLP)
다층 퍼셉트론(Multilayer Perceptron, MLP)은 Rumelhart, Hinton & Williams가 1986년 Nature에 발표한 획기적인 논문에서 형식화한 역전파 알고리즘으로 학습되는 고전적인 완전 연결 피드포워드 신경망입니다. 입력층, 하나 이상의 뉴런 은닉층, 출력층으로 구성된 MLP는 입력 특징에서 목표 출력으로의 비선형 매핑을 학습하며 현대 딥러닝의 기초적인 구성 요소 역할을 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →