multilayer perceptron
Et multilayer perceptron er et kunstigt neuralt netværk bestående af mindst tre lag af neuroner: et inputlag, et eller flere skjulte lag og et outputlag, hvor neuronerne i hvert lag er fuldt forbundet til neuronerne i det næste lag.
Kort fortalt
Kort fortalt: En type neuralt netværk med flere lag, der kan lære komplekse mønstre i data.
- Kategori
- arkitektur
- Niveau
- øvet
- Udtale
- /ˌmʌltiˈleɪər pərˈsɛptrɒn/
Betydninger
1- 1
Et neuralt netværk bestående af et inputlag, et eller flere skjulte lag og et outputlag, hvor hvert lag består af neuroner med vægtede forbindelser til det efterfølgende lag, typisk med ikke-lineære aktiveringsfunktioner.
- Et multilayer perceptron med ét skjult lag kan approksimere enhver kontinuert funktion ifølge den universelle approksimationssætning. — Cybenko, 1989
- I en MLP vælges aktiveringsfunktionen for outputlaget afhængigt af opgaven, fx softmax til klassifikation eller lineær til regression.
Hvornår bruges det
Multilayer perceptroner bruges til klassifikation, regression og mønstergenkendelse. De trænes typisk med backpropagation og er fundamentale for dybdelæring.
Kodeeksempel
from sklearn.neural_network import MLPClassifier
clf = MLPClassifier(hidden_layer_sizes=(10, 5), max_iter=1000)
clf.fit(X_train, y_train)Opret og træn en MLP-klassifikator med to skjulte lag.
Oprindelse
Termen 'multilayer perceptron' stammer fra Frank Rosenblatts perceptron (1957) og blev udvidet til flerlagsnetværk i 1960'erne og 1970'erne, især gennem backpropagation-algoritmen.
Afledte ord
2Kilder
2- Learning representations by back-propagating errors
- Approximation by superpositions of a sigmoidal function