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.




