Flerlagsperseptron (MLP)
Flerlagsperseptronet (MLP) er en feedforward-nevrale nettverksarkitektur trent ved hjelp av tilbakepropagering, formalisert av Rumelhart, Hinton og Williams i deres landemerkeartikkel i Nature i 1986. MLP-en består av et inndatalag, ett eller flere skjulte lag med nevroner med ikke-lineære aktiveringsfunksjoner, og et utdatalag, og kan approksimere enhver kontinuerlig funksjon med vilkårlig nøyaktighet og fungerer som den konseptuelle broen mellom klassisk maskinlæring og 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.
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. 6–7). 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/no/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.
- Logistisk regresjonForskningsstatistikk↔ compare
- Random ForestMaskinlæring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
- XGBoostMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →