Multilayer Perceptron (MLP)
Multilayer Perceptron ialah rangkaian saraf suap-maju yang terhubung sepenuhnya, dilatih dengan algoritma pembalikan kesilapan (backpropagation), seperti yang diformalkan oleh Rumelhart, Hinton & Williams dalam kertas Nature mereka yang penting pada tahun 1986. Terdiri daripada lapisan input, satu atau lebih lapisan tersembunyi neuron, dan lapisan output, MLP mempelajari pemetaan tak linear daripada ciri input kepada output sasaran dan berfungsi sebagai blok binaan asas pembelajaran mendalam moden.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/ms/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 LogistikStatistik Penyelidikan↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Jaringan Saraf BerulangPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →