Perceptró multicapa (MLP)
El Perceptró Multicapa (MLP) és una arquitectura de xarxa neuronal feedforward entrenada mitjançant retropropagació, formalitzada per Rumelhart, Hinton i Williams en el seu article fonamental de 1986 a Nature. Compost per una capa d'entrada, una o més capes ocultes de neurones amb funcions d'activació no lineals, i una capa de sortida, l'MLP pot aproximar qualsevol funció contínua amb precisió arbitrària i serveix com a pont conceptual entre l'aprenentatge automàtic clàssic i 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.
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. 6–7). 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). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/ca/machine-learning/multi-layer-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
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →