Meerlaags Perceptron (MLP)
Het Meerlaags Perceptron (MLP) is een feedforward neuraal netwerkarchitectuur die wordt getraind met backpropagation, geformaliseerd door Rumelhart, Hinton en Williams in hun baanbrekende publicatie in Nature uit 1986. Samengesteld uit een invoerlaag, één of meer verborgen lagen van neuronen met niet-lineaire activatiefuncties, en een uitvoerlaag, kan het MLP elke continue functie met willekeurige nauwkeurigheid benaderen en dient het als de conceptuele brug tussen klassieke machine learning en 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.
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. 6–7). 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
Deze pagina citeren
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/nl/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.
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- Recurrent Neuraal NetwerkDeep learning↔ compare
- XGBoostMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →