Perceptron multicamadas
A perceptron multicamadas é uma rede neural clássica semelhante à perceptron, mas com mais de uma camada de neurônios em alimentação direta [1]. Tal tipo de rede é composta por camadas de neurônios ligadas entre si por sinapses com pesos. O aprendizado nesse tipo de rede é geralmente feito através do algoritmo de retro-propagação do erro [2], mas existem outros algoritmos para este fim, como a Rprop[3].
À exceção dos nós de entrada, a cada neurônio da rede é associado um valor de entrada, calculado a partir das sinapses de entrada[2] e opcionalmente por um valor denominado "viés" (bias). A saída de um neurônio é o resultado de uma função não-linear[1] aplicada à sua entrada, denominada de função de ativação. Exemplos de funções de ativação comumente utilizadas são a tangente hiperbólica e a função sigmóide[2].
Referências
- ↑ a b Norvig, Peter; Russel, Stuart (2004). Inteligência Artificial 2 ed. [S.l.]: Elsevier. ISBN 9788535211771
- ↑ a b c Haykin, Simon (2001). Redes Neurais. Princípios e prática 2 ed. [S.l.]: Bookman. ISBN 9788573077186
- ↑ Riedmiller, Martin; Braun, Heinrich (1993). «A direct adaptative method for faster backpropagation learning: the RPROP algorithm». IEEE International Conference on Neural Networks (em inglês): 586-591. ISBN 0780309995
