Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Meerlagig perceptron (MLP)

Engels: Multilayer perceptron (MLP) · Ook wel: MLP, multilayer perceptron, multi-layer perceptron, meerlaags perceptron

In het kort

Een meerlaags perceptron (MLP) is een voorwaarts neuraal netwerk van lagen met neuronen. Elk neuron is verbonden met alle neuronen in de volgende laag en past een niet-lineaire functie toe, zodat het model gegevens scheidt die niet met een rechte grens uit elkaar te halen zijn. Zo verdeelt het model zaken in categorieën op basis van hun kenmerken, ook wanneer die groepen door elkaar lopen en een rechte lijn niet volstaat.

Waarom is dit belangrijk?

Dankzij het meerlaags perceptron kan een model uit eerdere waarden van een signaal schatten welke waarde in de nabije toekomst volgt. In wetenschappelijk onderzoek naar beurscijfers wordt deze aanpak gebruikt om een volgende koers te voorspellen. Werknemers die dagelijks met zulke cijfers werken, krijgen een mogelijke koersrichting te zien, maar de uitkomst kan afwijken van wat later op de beurs gebeurt.

Zo werkt het in de praktijk

In de atmosfeerwetenschap dient een meerlaags perceptron als vervangend model voor zware simulaties. Het leert het verband tussen invoer en uitvoer, zodat een berekening voor het weer, voor stroming van vloeistoffen of voor materialen sneller klaar is. Het netwerk berekent aanbevelingen uit gebruikersgeschiedenis en inhoud.

Aan de Universiteit van Kirkuk onderzochten wetenschappers patroonherkenning met een meerlaags perceptron in de zorg. Zij bekeken studies over diabetes, hartziekte, leverziekte, borstkanker en de ziekte van Parkinson. Het doel was de sterke en zwakke punten van dit netwerk te zien.

Het netwerk leert van voorbeelden met een bekend antwoord. Bij backpropagation, een methode die de fout terugrekent door de lagen, past het model de verbindingen aan. Die stappen herhalen zich tot de fout afneemt.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026