Page 32 - revista 2019

Revista de la Facultad de Ingeniería, Año 6, Número 1

Ilustración 6: Modelo/Algoritmo LogisticClassifier

Multi Layer Perceptron
El algoritmo Multi Layer Perceptron (de ahora en más MLP) se puede entender
como una extensión del algoritmo Logistic classifier (LC) al agregar una o varias
capas intermedias denominadas capas escondidas; estas capas intermedias se
posicionan entre la capa de entrada y la capa de salida en forma secuencial.

El motivo por el cual se introduce una capa escondida se debe a que son estas
capas las responsables de reflejar o detectar las distintas interacciones NO lineales
existentes entre los datos de entrada. La cantidad de capas escondidas determina la
profundidad del algoritmo (Gibson, A. & Patterson, J., 2017).
Las capas intermedias potencian las capacidades del algoritmo para obtener
resultados más exactos comparados con los que se pueden obtener con el algoritmo
LC. Las interacciones NO lineales, son nuevas características que el algoritmo es
capaz de inferir según los datos de entrada, transformando el espacio original (datos
de entrada) en un espacio con mejores capacidades de entrenamiento y esto se logra
debido a que las capas intermedias logran distanciar o diferenciar aún más a las
clases existentes en los datos de entrada.
Como se puede ver en la imagen; la salida de una capa escondida es la entrada
de otra capa escondida o bien la salida del algoritmo. Es importante destacar que por
cada capa escondida se agrega tiempo de procesamiento, por lo que se debe
balancear la cantidad de capas escondidas, el tiempo de procesamiento y los
resultados del modelo. En otras palabras, no siempre es necesario agregar capas
escondidas ya que existe un punto en que las capas escondidas solo enlentecen al
algoritmo y no aportan valor al resultado.
La salida de la última capa escondida representa los valores finales del
algoritmo, que mediante la aplicación de la función softmax obtendremos las
probabilidades para comparar con el valor esperado y así obtener el valor de error
utilizando la función de perdida.

31