多層パーセプトロン

多層パーセプトロン (MLP) は、一連の入力ベクトルを一連の出力ベクトルにマッピングする順方向構造の人工ニューラル ネットワークです。 これは、各層が次の層に完全に接続された複数のノード層で構成される有向グラフとして見ることができます。入力ノードを除く各ノードは、非線形活性化関数を持つニューロン (または処理ユニット) です。 MLP はパーセプトロンを一般化したもので、線形分離不可能なデータを識別できないというパーセプトロンの弱点を克服します。

具体的な概念として、バックプロパゲーション アルゴリズムが提案された後に多層パーセプトロンが作成されました。このアルゴリズムにより、多層ネットワークの学習が可能になります。逆伝播アルゴリズムは最初に論文で発表されました。誤差を逆伝播することによる表現の学習」は、David E. Rumelhart、Geoffrey E. Hinton、Ronald J. Williams による 1986 年の論文で明確に説明されており、バックプロパゲーション アルゴリズムの詳細と、それを使用して多層パーセプトロンを訓練する方法を示しています。

多層パーセプトロンの初期の概念とプロトタイプは以前から存在していましたが、この論文はバックプロパゲーションアルゴリズムを多層ネットワーク構造に明確に結び付ける重要な文書であり、ニューラルネットワーク研究の分野で広く認識されています。これ以前は、効果的なトレーニング方法がなかったため、多層ネットワークは広く使用されていませんでした。