Multilayer percepton

O Neurônio de McCulloch Pitts

O neurônio artificial proposto por McCulloch e Pitts por ser baseado no neurônio biológico possui muitas semelhanças com ele: os dendritos foram substituídos por entradas, cujas ligações com o corpo celular artificial são realizadas através de elementos chamados de peso (simulando as sinapses). Os estímulos captados pelas entradas são processados pela função de soma, e o limiar de disparo do neurônio biológico foi substituído pela função de transferência atingindo ou não a saída (axônio).

Figura X - Neurônio Artificial de McCulloch e Pitts

O Perceptron

Baseado no neurônio de McCulloch Pitts o Perceptron é a forma mais simples de redes neurais artificiais usadas para classificar padrões. O perceptron somente pode classificar os padrões de classes linearmente separáveis, neste caso foi provado por Rosenblatt que o Perceptron converge e posiciona a superfície de decisão na forma de um hiperplano entre as duas classes. O Perceptron de um neurônio é capaz de realizar a classificação de padrões entre duas classes, para realizar a classificação de padrões de mais de duas classes é necessário adicionar mais neurônios a rede. A função de ativação, ou função de transferência, do neurônio nas redes Perceptron é a função signum. O Perceptron funciona recebendo estímulos do meio pelas entradas do neurônio, estes estímulos são computados na função soma do neurônio, que realiza a soma ponderada das entradas e seus respectivos pesos, e a saída é determinada pela função de transferência. Pela incapacidade do Perceptron em realizar de forma satisfatória a classificação de classes não linearmente separáveis teve-se a necessidade de criar um novo modelo de rede neural para resolver esse problema. Essa necessidade e o desenvolvimento do algorítimo de backpropagation permitiu o desenvolvimento das redes Multilayer Perceptrons que são explicados abaixo.

MultiLayer Perceptron As redes Multilayer Perceptrons, denotadas MLP's, são