多层感知器

多层感知器（英文：Multiple perceptron，缩写为MLP）是一类正向传播（英语版）神经网络。一个MLP至少包含三个节点层。除输入节点外，每个节点都是使用非线性激活函数的神经元。所述MLP学习反向传播称为（反向传播）监督学习使用的方法 。它的多层结构和非线性激活功能使MLP和线性感知器区别开来。MLP 可以识别不可线性分离的数据。

线性在所有神经元多层感知器的激活功能，即，每个神经元的输出输入被加权（英国）当具有线性函数，地图，线性代数从两层任意数量的层可以证明输入输出模型可以简化。在MLP中，一些神经元使用“非线性”激活函数，这些函数已被开发用于模拟生物神经元中动作电位的频率和激发。

MLP在研究中很有用，因为它可以随机解决问题。MLP是健身近似（英文版）极，如复杂给予的近似解问题往往。所述MLP Cybenko定理（英语）用于通过所指示的通用函数逼近，可用于创建由回归分析的数学模型。当响应变量是分类变量（英文版）时，分类是回归的一种特殊情况，而MLP是一种很好的分类算法。