Perceptron Multicamada (MLP)
Um Perceptron Multicamada é uma rede neural feedforward totalmente conectada clássica, treinada com o algoritmo de retropropagação, conforme formalizado por Rumelhart, Hinton & Williams em seu artigo marco de 1986 na Nature. Composto por uma camada de entrada, uma ou mais camadas ocultas de neurônios e uma camada de saída, o MLP aprende mapeamentos não lineares de características de entrada para saídas alvo e serve como o bloco de construção fundamental do aprendizado profundo moderno.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Multilayer Perceptron (Fully Connected Feedforward Neural Network). ScholarGate. https://scholargate.app/pt/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.
- Regressão LogísticaEstatística para pesquisa↔ compare
- Random ForestAprendizado de máquina↔ compare
- Rede Neural RecorrenteAprendizado profundo↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →