Mitmekihiline pertseptron (MLP)

Multilayer Perceptron (MLP) on tehisnärvivõrgu mudel, mis koosneb mitmest kaskaadis ühendatud neuronite kihist (sellest ka nimi "mitmekihiline"). Kõige laialdasemalt kasutatav MLP tüüp on feed-forward võrk, kus info edastatakse ühes suunas sisendist väljundisse. MLP-sid saab kasutada mitmesuguste rakenduste jaoks, nagu mustrituvastus, pilditöötlus ja aegridade analüüs.

MLP tuumaks on omavahel ühendatud neuronite arhitektuur, mis toimivad võrgus arvutustoimingute üksustena. Iga neuron saab sisendeid eelnevast kihist ja edastab teabe lineaarse või mittelineaarse aktiveerimisfunktsiooni kaudu. Seejärel edastatakse aktiveerimisfunktsiooni väljund järgmisele kihile ja nii edasi. MLP viimane kiht võib olla väljundkiht, mida kasutatakse prognoositulemuse tõlgendamiseks ja esitamiseks sõltuvalt probleemi olemusest.

Järelevalvega MLP puhul on väljaõpe võrgu parameetrite optimeerimise protsess, et see saaks sisendandmed täpselt kaardistada soovitud väljunditega. See protsess hõlmab tagasilevitamise algoritmide kasutamist, mis on matemaatilised meetodid, mida kasutatakse võrgu iga neuroni kaalu reguleerimiseks. Koolitus on MLP ülesehitamise kõige olulisem samm, kuna koolitamata võrgul pole ennustavat jõudu.

MLP-sid kasutatakse laialdaselt klassifitseerimis- ja regressiooniprobleemide lahendamiseks, arvestades nende võimet õppida keerulisi seoseid sisend- ja väljundmuutujate vahel. Lisaks on MLP-d võimelised tegema mittelineaarseid teisendusi, mis annab neile tehisintellektis ja robootikas laialdase rakenduse.

Lisaks rakendustele on MLP-de teine omadus see, et selle jõudlust saab märkimisväärselt parandada, suurendades võrgus sisalduvate kihtide ja neuronite arvu. Seda nimetatakse "sügavaks õppimiseks" ja see on muutumas üha populaarsemaks masinõppe uurimisvaldkonnaks. Olenemata rakendustest või süvaõppevaatest on MLP-d võimas ja populaarne tehisnärvivõrgu tüüp tänu oma võimele kiiresti ja täpselt õppida.