Багатошаровий перцептрон (БШП)
Багатошаровий перцептрон — це класична повністю зв'язна нейронна мережа прямого поширення, що тренується за допомогою алгоритму зворотного поширення помилки, формалізованого Румельхартом, Хінтоном і Вільямсом у їхній знаковій статті 1986 року в журналі Nature. Складаючись із вхідного шару, одного або кількох прихованих шарів нейронів та вихідного шару, БШП вивчає нелінійні відображення від вхідних ознак до цільових виходів і слугує фундаментальним будівельним блоком сучасного глибокого навчання.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/uk/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.
- Логістична регресіяСтатистика досліджень↔ compare
- Випадковий лісМашинне навчання↔ compare
- Рекурентна нейронна мережаГлибоке навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →