多层感知器（Multilayer Perceptron, MLP）通常由多个全连接层组成，每个层都配备有非线性激活函数。尽管已经提出了多种方法来改进MLP的性能（例如加快收敛速度、提高收敛极限等），但这些研究缺乏系统性的测试方法。我们通过在年龄和性别数据集上进行实验，测试了不同的MLP架构。实证结果表明，通过对每个线性层之前的输入进行白化处理并添加跳过连接，所提出的MLP架构可以实现更好的性能。由于白化过程包括丢弃操作（Dropout），因此也可以用于近似贝叶斯推理。我们已将代码开源，并在https://github.com/tae898/age-gender/ 上发布了模型和Docker镜像。