Perceptró Multicapa (MLP)
Un Perceptró Multicapa (MLP) és una xarxa neuronal feedforward clàssica totalment connectada, entrenada amb l'algorisme de retropropagació, tal com van formalitzar Rumelhart, Hinton & Williams en el seu article fonamental de 1986 a Nature. Compost per una capa d'entrada, una o més capes ocultes de neurones i una capa de sortida, l'MLP aprèn mapejos no lineals des de les característiques d'entrada fins a les sortides objectiu i serveix com a bloc de construcció fonamental de l'aprenentatge profund modern.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fonts
- Rumelhart, D. E., Hinton, G. E. & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536. DOI: 10.1038/323533a0 ↗
- Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning (Ch. 6–8). MIT Press. ISBN: 978-0-262-03561-3
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 5). Springer. ISBN: 978-0-387-31073-2
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/ca/deep-learning/multilayer-perceptron
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regressió LogísticaEstadística per a la recerca↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Xarxa Neuronal RecurrentAprenentatge profund↔ compare
- XGBoostAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →