Multi-Layer Perceptron (MLP)

Multi-Layer Perceptron

Türkçe: Çok Katmanlı Algılayıcı (Çok Katmanlı Yapay Sinir Ağı)

Ayrıntılı Tanım

En az bir girdi katmanı, bir veya daha fazla gizli katman (hidden layer) ve bir çıktı katmanından oluşan; katmanları arasında doğrusal olmayan aktivasyon fonksiyonları barındıran en temel ileri beslemeli yapay sinir ağıdır.

Ne İşe Yarar / Çözülen Problem

Tek katmanlı perceptron'un (Rosenblatt) çözemediği XOR gibi doğrusal olarak ayrılamayan (non-linear) karmaşık problemleri çözmeyi başarır.

Nasıl Çalışır? (Teknik & Mekanizma)

Her katmandaki nöron bir önceki katmanın tüm çıktılarının ağırlıklı toplamını alır, bir sapma (bias) ekler ve aktivasyon fonksiyonundan geçirir:

h = f(W x + b)

Örnek Senaryo & Pratik Uygulama

Ev fiyatı tahmini: Metrekare, konum ve oda sayısı girdi nöronlarına girer; gizli katmanlardaki düzinelerce nöron bunları çaprazlar ve tek bir fiyat çıktısı üretir.

Benzer Terimlerden Farkı

Tek katmanlı perceptron sadece düz bir doğru çizebilirken; MLP uzayda her türlü karmaşık ve bükümlü karar yüzeyini çizebilir.

İlişkili Terimler (3)

#71

Feed-Forward Network (FFN)

İleri Beslemeli Sinir Ağı

#73

Backpropagation

Geriye Yayılım Algoritması

#72

Universal Approximation Theorem

Evrensel Yaklaşıklama Teoremi (Cybenko & Hornik Teoremi)

Ait Olduğu Kategori

Derin Öğrenme Temelleri ve Temsil Öğrenmesi

Yapay sinir ağları, aktivasyon fonksiyonları, geri yayılım ve tensör temelleri.

Toplam Terim:52 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#69)Representation Learning

Sonraki Terim (#71)Feed-Forward Network (FFN)