Perceptrón multicapa (MLP)
Un Perceptrón multicapa (MLP) es una red neuronal clásica totalmente conectada y de avance continuo, entrenada con el algoritmo de retropropagación, tal como lo formalizaron Rumelhart, Hinton y Williams en su influyente artículo de 1986 en Nature. Compuesto por una capa de entrada, una o más capas ocultas de neuronas y una capa de salida, el MLP aprende mapeos no lineales de características de entrada a salidas objetivo y sirve como bloque de construcción fundamental del aprendizaje profundo moderno.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/es/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.
- Regresión LogísticaEstadística para la investigación↔ compare
- Random ForestAprendizaje automático↔ compare
- Red Neuronal RecurrenteAprendizaje profundo↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →