# Perceptron wielowarstwowy (MLP)

EN: **Multilayer perceptron (MLP)** · id `mlp` · aliases: MLP, multilayer perceptron, perceptron wielowarstwowy, sieć w pełni połączona, fully connected network, feed-forward network

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Sieci i modele generatywne](https://aiatlasgraph.com/t/neural.md) › [Podstawy sieci neuronowych](https://aiatlasgraph.com/t/neuralbasics.md) › Perceptron wielowarstwowy (MLP)

## Description

- PL: Sieć złożona z warstw w pełni połączonych, w których transformację liniową przeplata się z nieliniową funkcją aktywacji. MLP jest podstawowym modelem sieciowym i standardowym składnikiem bloków feed-forward w architekturach transformerowych.
- EN: A network of fully connected layers that alternate linear transformations with non-linear activation functions. The MLP is a fundamental neural model and a standard component of feed-forward blocks in transformer architectures.

## In one sentence

- PL: To sieć, która przepuszcza liczby przez kolejne gęsto połączone warstwy, żeby obliczyć przewidywany wynik.
- EN: This network passes numbers through successive densely connected layers to calculate a prediction.

## Problem it solves

- PL: Kilka cech wpływa wspólnie na wynik, a prosta reguła nie opisuje dobrze ich zależności.
- EN: Several features jointly affect an outcome, and a simple rule does not describe their relationships well.

## What it does

- PL: Każda warstwa miesza informacje z poprzedniej i nieliniowo zmienia wynik, tworząc coraz bardziej złożone zależności.
- EN: Each layer mixes information from the previous one and transforms it nonlinearly, forming increasingly complex relationships.

## Everyday example

- PL: Model szacuje czas dostawy na podstawie odległości, wielkości paczki i pory dnia.
- EN: A model estimates delivery time from distance, parcel size and time of day.

## This concerns you if you…

- PL: przewidujesz wynik z kilku cech
- PL: poznajesz podstawowy składnik większych sieci
- EN: predict outcomes from several features
- EN: study a basic building block of larger networks

## Keywords

dense layers · feed-forward networks · weight initialization · Xavier initialization · Kaiming initialization · hidden layer width

## How it works

- PL: Każda warstwa mnoży wektor wejścia przez macierz wag, dodaje przesunięcie i stosuje nieliniowość. Złożenie tych operacji tworzy funkcję dopasowywaną gradientowo do celu treningowego, bez narzuconej lokalności przestrzennej.
- EN: Each layer multiplies its input vector by a weight matrix, adds an offset and applies a nonlinearity. Composing these operations creates a function fitted by gradients to a training objective without imposed spatial locality.

## Limits

- PL: Warstwy gęste wymagają wielu parametrów przy dużych wejściach. Model sam musi nauczyć się struktury danych; dobranie głębokości i szerokości wpływa na koszt oraz przeuczenie.
- EN: Dense layers require many parameters for large inputs. The model must learn data structure itself; depth and width affect cost and overfitting.

## Key terms

- PL: **warstwa gęsta**: Warstwa łącząca każdy element wejścia z każdym elementem wyjścia.
- PL: **szerokość warstwy**: Liczba składowych reprezentacji wyjściowej danej warstwy.
- EN: **dense layer**: A layer connecting every input element to every output element.
- EN: **layer width**: The number of components in a layer's output representation.

## Know first

- [Algebra liniowa: wektory i macierze (Linear algebra: vectors and matrices)](https://aiatlasgraph.com/t/linearalgebra.md)
- [Funkcje aktywacji (ReLU, GELU, SwiGLU) (Activation functions (ReLU, GELU, SwiGLU))](https://aiatlasgraph.com/t/activations.md)

## Examples

- PL: warstwy w pełni połączone · warstwa feed-forward w transformerze · inicjalizacja wag
- EN: fully connected layers · transformer feed-forward layer · weight initialisation

## Sources

- [Dive into Deep Learning — table of contents](<https://d2l.ai/>) `d2l-toc` · by Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola
- [Understanding Deep Learning (Simon J.D. Prince) — chapter list](<https://udlbook.github.io/udlbook/>) `udlbook-toc` · by Simon J.D. Prince
- [Neural Networks: Zero to Hero (course repository)](<https://github.com/karpathy/nn-zero-to-hero>) `karpathy-zero-to-hero` · by Andrej Karpathy

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/mlp · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30