Gdy zaś sieć służy do klasyfikacji danych wejściowych, to jej neurony mają nieliniowe funkcje aktywacji; wtedy trenowanie sieci odbywa się z zastosowaniem metody wstecznej propagacji błędów.
Perceptron wielowarstwowy w przeciwieństwie do perceptronu jednowarstwowego może być wykorzystywany do klasyfikowania zbiorów, które nie są liniowo separowalne.
Podstawy matematyczne Perceptron wielowarstwowy można zapisać jako funkcję:
gdzie: - wyjście sieci, - wejście sieci, - parametry (wagi) określone podczas uczenia się sieci
Sieć neuronowa zwana jest siecią ponieważ składa się z wielu warstw. Funkcja z powyższego wzoru jest tak naprawdę złożeniem wielu funkcji:
gdzie: - numer warstwy sieci
Oprogramowanie Perceptron wielowarstwowy może być łatwo zdefiniowany oraz wytrenowany przy użyciu wysokopoziomowych bibliotek języka Python takich jak: Keras Lasagne
Zobacz też Perceptron
Przypisy
Kategoria:Sieci neuronowe