Machine learning
다층 퍼셉트론 (MLP)
다층 퍼셉트론(MLP)은 1986년 Rumelhart, Hinton, Williams가 Nature에 발표한 기념비적인 논문에서 형식화된 역전파(backpropagation)로 훈련되는 순방향 신경망(feedforward neural network) 아키텍처입니다. 입력층, 비선형 활성화 함수를 가진 하나 이상의 은닉층, 출력층으로 구성된 MLP는 임의의 정확도로 연속 함수를 근사할 수 있으며, 고전적 기계 학습과 현대적 딥러닝 간의 개념적 다리 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.
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. 6–7). 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/ko/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 →