Multi-layer Perceptron
The Multi-layer Perceptron (MLP) is a feedforward neural network architecture trained by backpropagation, formalised by Rumelhart, Hinton, and Williams in their landmark 1986 Nature paper. Composed of an input layer, one or more hidden layers of neurons with nonlinear activation functions, and an output layer, the MLP can approximate any continuous function to arbitrary accuracy and serves as the conceptual bridge between classical machine learning and modern deep learning.
Kaynak kayıt
Alıntılar, yöntemin kaynak kaydından harfi harfine kopyalanmıştır. Bunlardan herhangi bir düzeyde doğrulama çıkarımı yapılmamıştır.
- 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
Derlenmiş iddialar
Her biri kendi değerlendirmesiyle birlikte kanıt defterine kaydedilmiş iddialar.
Bu görünüm, defterde hiç iddia olmadığında bir iddia değerlendirmesi icat etmez.
İlgili yöntemler
Yöntem grafiğinden oluşturulmuştur ve makine tarafından önerilen ilişkiler olarak gösterilir — herhangi bir kanıt iddiası çıkarımı yapılmamıştır.