Multilayer Perceptron (MLP)
Een Multilayer Perceptron (MLP) is een klassiek, volledig verbonden feedforward neuraal netwerk dat getraind wordt met het backpropagation-algoritme, zoals geformaliseerd door Rumelhart, Hinton & Williams in hun baanbrekende artikel uit 1986 in Nature. Samengesteld uit een inputlaag, één of meer verborgen lagen van neuronen, en een outputlaag, leert de MLP niet-lineaire transformaties van inputkenmerken naar doeluitkomsten en dient het als het fundamentele bouwblok van moderne deep learning.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/nl/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.
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- Recurrent Neuraal NetwerkDeep learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →