Для реализации многослойного перцептрона, необходимо создать несколько слоев нейронов с нелинейными функциями активации между ними. Также важно правильно настроить веса связей между нейронами и выбрать подходящий метод обучения, например, метод обратного распространения ошибки.
Для перестройки простого перцептрона на многослойную нейронную сеть с несколькими выходами необходимо добавить скрытые слои между входным и выходным слоем. Количество скрытых слоев и нейронов в них может быть различным и зависит от конкретной задачи.
Чтобы правильно умножать вектора и складывать результаты на разных этапах обучения, необходимо следовать алгоритмам обратного распространения ошибки и градиентного спуска. Во время обучения сети веса нейронов корректируются на основе ошибки, которая вычисляется между выходом сети и ожидаемым выходом. Умножение векторов и складывание результатов происходит на каждом шаге обновления весов, чтобы минимизировать ошибку и достичь оптимальных результатов обучения.
В общем, для реализации многослойного перцептрона и правильного умножения векторов и складывания результатов, необходимо тщательно изучить теорию нейронных сетей, понять принцип и алгоритмы их работы и применять их на практике при разработке и обучении сети.