Perceptron s viacerými vrstvami (MLP)
Perceptron s viacerými vrstvami (MLP) je dopredná architektúra neurónovej siete trénovaná pomocou spätnej propagácie, formalizovaná Rumelhartom, Hintonom a Williamsovou v ich prelomovom článku v časopise Nature z roku 1986. MLP, zložený zo vstupnej vrstvy, jednej alebo viacerých skrytých vrstiev neurónov s nelineárnymi aktivačnými funkciami a výstupnej vrstvy, dokáže aproximovať akúkoľvek spojitú funkciu s ľubovoľnou presnosťou a slúži ako koncepčný most medzi klasickým strojovým učením a moderným hlbokým učením.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/sk/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.
- Logistická regresiaŠtatistika vo výskume↔ compare
- Náhodný lesStrojové učenie↔ compare
- Rekurentná neurónová sieťHlboké učenie↔ compare
- XGBoostStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →