Perceptrón multicapa (MLP)
El Perceptrón Multicapa (MLP) es una arquitectura de red neuronal feedforward entrenada mediante retropropagación, formalizada por 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 con funciones de activación no lineales y una capa de salida, el MLP puede aproximar cualquier función continua con precisión arbitraria y sirve como puente conceptual entre el aprendizaje automático clásico y el 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.
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. 6–7). 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
Cómo citar esta página
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/es/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.
- Regresión LogísticaEstadística para la investigación↔ compare
- Random ForestAprendizaje automático↔ compare
- Red Neuronal RecurrenteAprendizaje profundo↔ compare
- XGBoostAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →