MLP(Multi-Layer Perception),即多層感知器,是一種趨向結構的人工神經網路,映射一組輸入向量到一組輸出向量。MLP可以被看做是一個有向圖,由多個節點層組成,每一層全連線到下一層。除了輸入節點,每個節點都是一個帶有非線性激活函式的神經元(或稱處理單元)。一種被稱為反向傳播算法的監督學習方法常被用來訓練MLP。MLP是感知器的推廣,克服了感知器無法實現對線性不可分數據識別的缺點。
基本介紹
- 中文名:多層感知器
- 外文名:Multi-Layer Perceptron
- 縮寫:MLP
- 定義:前向結構的人工神經網路
激活函式
實際上,MLP本身可以使用任何形式的激活函式,譬如階梯函式或邏輯乙形函式(logistic sigmoid function),但為了使用反向傳播算法進行有效學習,激活函式必須限制為可微函式。由於具有良好可微性,很多乙形函式,尤其是雙曲正切函式(Hyperbolic tangent)及邏輯乙形函式,被採用為激活函式。
套用
MLP在80年代的時候曾是相當流行的機器學習方法,擁有廣泛的套用場景,譬如語音識別、圖像識別、機器翻譯等等,但自90年代以來,MLP遇到來自更為簡單的支持向量機的強勁競爭。近來,由於深層學習的成功,MLP又重新得到了關注。