Flerlagsperseptron (MLP)
Et flerlagsperseptron (MLP) er et klassisk fullt sammenkoblet feedforward nevralt nettverk trent med backpropagation-algoritmen, slik den ble formalisert av Rumelhart, Hinton & Williams i deres banebrytende Nature-artikkel fra 1986. MLP-en består av et inndatalag, ett eller flere skjulte lag med nevroner og et utdatalag, og lærer ikke-lineære avbildninger fra inndatafunksjoner til målutdata, og fungerer som den grunnleggende byggesteinen i moderne dyp læring.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/no/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.
- Logistisk regresjonForskningsstatistikk↔ compare
- Random ForestMaskinlæring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →