Perceptrón multicapa

ANITA JIMENEZ ANDRES AYALA

 El

perceptrón simple tiene una serie de limitaciones muy importantes.
más importante es su incapacidad para clasificar conjuntos que no son linealmenteindependientes.

 La

 Esto

quedo patente el la obra Perceptrons que en 1969 demostró que un perceptrón es incapaz de aprender una función tan fácil como la XOR.  La combinación de variosperceptrones podría resolver ciertos problemas no lineales pero no sabían como adaptar los pesos de las capas ocultas

 Este

modelo es una ampliación del perceptrón a la cual añade una serie de capas que,básicamente, hacen una transformación sobre las variables de entrada, que permiten eludir el problema anterior.  Esto acaba con el problema del perceptrón, convirtiendo las funciones linealmente noindependientes en linealmente independientes gracias a la transformación de la capa oculta.

 Se

demuestra que el Perceptron Multicapa (MLP) es un APROXIMADOR UNIVERSAL
aproximar relaciones nolineales entre datos de entrada y de salida una de las arquitecturas más Utilizadas en la resolución de problemas reales:
 

 Puede

 Es

por ser aproximador universal por su fácil uso yaplicabilidad

 Se

ha aplicado con éxito en:

   



Reconocimiento de voz Reconocimiento de imágenes OCR Conducción de vehículos Diagnósticos médicos, etc…

 Capa

de entrada:sólo se encargan de recibir las señales de entrada y propagarlas a la siguiente capa  Capa de salida: proporciona al exterior la respuesta de la red para cada patrón de entrada  Capas ocultas:Realizan un procesamiento no lineal de los datos recibidos

 Son

redes "feedforward": alimentadas hacia adelante cada neurona está conectada a todas las neuronas de la siguiente capa (conectividadtotal)

 Generalmente

 El

perceptron multicapa define una relación entre las variables de entrada y las variables de salida de la red  Esta relación se obtiene propagando hacia adelante...