Bu bir terminoloji meselesidir. Bazen insanların derin sinir ağlarına "çok katmanlı algılayıcılar" adını verdiğini görüyorum, neden bu? Öğretilen bir algılayıcı, ağırlıkların (sırt destekli değil) eğitiminin belirli bir yolunu kullanan ikili eşik çıktısı olan tek katmanlı bir sınıflandırıcıdır (veya regresör). Algılayıcının çıkışı hedef çıktıyla eşleşmezse, girdi vektörünü ağırlıklara ekler veya çıkarırız (algılayıcının yanlış pozitif veya yanlış negatif vermesine bağlı olarak). Oldukça ilkel bir makine öğrenme algoritması. Eğitim prosedürünün çok katmanlı bir vakaya genelleme yaptığı görülmemektedir (en azından modifikasyon olmadan). Derin bir sinir ağı, maliyet fonksiyonunun gradyanlarını ağın tüm ağırlıklarına geri yaymak için zincir kuralını kullanan backprop ile eğitilir.
Yani soru şu. "Çok katmanlı algılayıcı", "derin sinir ağı" ile aynı şey midir? Öyleyse, bu terminoloji neden kullanılıyor? Gereksiz yere kafa karıştırıcı görünüyor. Buna ek olarak, terminolojinin biraz değiştirilebilir olduğunu varsayarsak, tamamen bağlı katmanlardan (evrişimli katmanlar veya tekrarlayan bağlantılar yok) oluşan ileri beslemeli bir ağa atıfta bulunurken "çok katmanlı algılayıcı" terminolojisini gördüm. Bu terminoloji ne kadar geniştir? Örneğin, Başlangıç ağına atıfta bulunurken "çok katmanlı algılayıcı" terimi kullanılabilir mi? NLP'de kullanılan LSTM modüllerini kullanarak tekrarlayan bir ağa ne dersiniz?