
As Redes Neurais Feedforward (FNNs) são um tipo de rede neural artificial em que as informações fluem em uma direção única, da camada de entrada para as camadas ocultas e, finalmente, para a camada de saída, sem conexões cíclicas ou retroalimentação. Esse tipo de rede é amplamente utilizado para tarefas de classificação e regressão, onde a entrada é mapeada para uma saída, sem a necessidade de considerar dependências temporais ou sequenciais, como nas RNNs.
No exemplo apresentado, utilizamos o modelo MLPClassifier da biblioteca scikit-learn, que é uma implementação de FNN para realizar a classificação multiclasse no conjunto de dados Iris. O modelo é composto por camadas densas (fully connected), com o número de neurônios e camadas definidas pelo usuário. Após treinar o modelo com os dados de entrada, ele é utilizado para prever as classes dos dados de teste. Essa abordagem é eficiente para problemas de aprendizado supervisionado, como classificação de padrões em imagens, reconhecimento de voz, e outras aplicações em que a relação entre entrada e saída é direta.
Esse tipo de rede é simples e eficaz para muitos problemas de aprendizado supervisionado, e sua estrutura torna o treinamento relativamente rápido, especialmente em conjuntos de dados de tamanho moderado, como o Iris.
Número de páginas | 107 |
Edición | 1 (2025) |
Formato | A5 (148x210) |
Acabado | Tapa blanda (con solapas) |
Tipo de papel | Estucado Mate 90g |
Idioma | Portugués |
¿Tienes alguna queja sobre ese libro? Envía un correo electrónico a [email protected]
Haz el inicio de sesión deja tu comentario sobre el libro.