Reti neurali

Le reti neurali ( Neural Network o NN ) sono un modello matematico-computazionale composto da neuroni artificiali interconnessi tra loro. Sono ispirate al funzionamento dei neuroni biologici.

un esempio di rete neurale semplice

Una rete neurale è suddivisa in più livelli o strati

  • Input layer. E' il primo strato della rete, quello dei neuroni d'ingresso dei dati.
  • Hidden layer. Sono gli strati intermedi della rete, tra il primo e l'ultimo strato. Detti anche strati o livelli nascosti. Può esserci uno strato nascosto ( single neural network ), due o più strati strati nascosti ( deep learning neural network )
  • Output layer. E' l'ultimo strato della rete, quello dei neuroni con i dati in uscita.

Ogni strato della rete elabora i dati che riceve in ingresso e li fornisce allo strato successivo.

un esempio di neural network

Il numero degli strati intermedi è molto importante perché influisce sulle potenzialità di calcolo e sulla complessità computazionale della rete.

Le reti neurali hanno diverse applicazioni pratiche, tra le quali anche l'apprendimento automatico e il machine learning. In particolar modo sono usate nel deep learning.

Uno dei primi algoritmi di machine learning basati sulle reti neurali è il Perceptron.

Cos'è il Perceptron? Il Perceptron è un tipo di algoritmo di apprendimento supervisionato nel campo del machine learning, utilizzato principalmente per la classificazione binaria, ovvero per distinguere tra due categorie distinte. È uno dei modelli più semplici di rete neurale artificiale e opera ricevendo input, pesandoli con pesi assegnati, e generando un output basato su una funzione di attivazione. La sua importanza storica risiede nel fatto che è stato uno dei primi modelli adottati per simulare il processo decisionale in una singola cellula neurale (neurone).

Esistono diverse tipologie di reti neurali: le reti ricorrenti RNN ( LSM, LSTM, GRU ), le reti MLP, le reti CNN, DCNN, gli autoencoders Seq2seq, GANS (Generative Adversarial Networks).

Tipi di reti

Una prima classificazione è tra reti CNN e RNN.

  • CNN. Rete neurale convoluzionale (Convolutional neural network o CNN)
    Sono reti neurali artificiali feed-forward ossia non ricorrenti, senza cicli al loro interno. Sono usate nella object recognition.
  • RNN. Rete neurale ricorrente (recurrent neural network, RNN).
    E' una classe di rete neurale artificiale in cui le uscite di uno strato sono usati in ingresso anche negli strati precedenti, creando così dei feed-back e dei cicli.

Altri tipi di reti neurali sono le seguenti:

  • MNL (Multi-Layer Perceptrons)
    Le reti MLP nel machine learning sono architetture di rete neurale profonda che imitano il modo di elaborare le informazioni del cervello umano. Sono composte da strati di neuroni, inclusi strati di ingresso, nascosti e di uscita, e imparano a fare previsioni o classificazioni attraverso un processo chiamato backpropagation e discesa gradiente. Queste reti sono versatili e utilizzate per vari compiti di apprendimento automatico, come la classificazione e la regressione.

 




Non hai risolto il tuo problema? Scrivi una domanda




FacebookTwitterLinkedinLinkedin