多层感知机 Multilayer Perceptron

多层感知机 (Multilayer Perceptron，MLP) 是一种前向结构的人工神经网络，映射一组输入向量到一组输出向量。 可以被看作是一个有向图，由多个的节点层所组成，每一层都全连接到下一层。除了输入节点，每个节点都是一个带有非线性激活函数的神经元（或称处理单元）。 MLP 是感知器的推广，克服了感知器不能对线性不可分数据进行识别的弱点。

多层感知机作为一个具体的概念是在反向传播算法 (Backpropagation) 的提出后产生的，这一算法使得训练多层网络成为可能。反向传播算法最初在论文中「Learning representations by back-propagating errors」被明确描述，该论文由 David E. Rumelhart, Geoffrey E. Hinton, 和 Ronald J. Williams 在 1986 年发表，详细阐述了反向传播算法，并展示了如何使用该算法来训练多层感知机。

虽然多层感知机的早期概念和原型在此前已经存在，但这篇论文是将反向传播算法与多层网络结构明确联系起来，并在神经网络研究领域得到广泛认可的重要文献。在此之前，多层网络由于缺乏有效的训练方法而未能得到广泛应用。