Perceptron de Múltiplas Camadas (MLP)
O Perceptron de Múltiplas Camadas (MLP) é uma arquitetura de rede neural feedforward treinada por retropropagação, formalizada por Rumelhart, Hinton e Williams em seu artigo marco de 1986 na Nature. Composto por uma camada de entrada, uma ou mais camadas ocultas de neurônios com funções de ativação não lineares e uma camada de saída, o MLP pode aproximar qualquer função contínua com precisão arbitrária e serve como ponte conceitual entre o aprendizado de máquina clássico e o 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.
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. 6–7). 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
Como citar esta página
ScholarGate. (2026, June 3). Multi-layer Perceptron (Feedforward Neural Network with Backpropagation). ScholarGate. https://scholargate.app/pt/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.
- Regressão LogísticaEstatística para pesquisa↔ compare
- Random ForestAprendizado de máquina↔ compare
- Rede Neural RecorrenteAprendizado profundo↔ compare
- XGBoostAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →