1 / 20

RETI NEURALI ARTIFICIALI

RETI NEURALI ARTIFICIALI. IL CERVELLO. Il cervello umano ha 10 bilioni di neuroni Le connessioni sono un milione di milardi Un neurone è composto da: corpo cellulare dendriti assone. IL CERVELLO. IL CERVELLO.

kishi
Download Presentation

RETI NEURALI ARTIFICIALI

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. RETI NEURALIARTIFICIALI

  2. IL CERVELLO • Il cervello umano ha 10 bilioni di neuroni • Le connessioni sono un milione di milardi • Un neurone è composto da: • corpo cellulare • dendriti • assone

  3. IL CERVELLO

  4. IL CERVELLO • Il corpo cellulare mantiene una polarizzazione con le cariche provenienti dai dendriti, che sono prolungamenti connessi ad altri neuroni. • Passata una certa soglia, il neurone scarica la sua attivazione lungo l’assone. • Il contatto fra due neuroni, la sinapsi, per via elettrochimica trasmette la carica elettrica al dendrite di un altro neurone.

  5. IL CERVELLO • Il contenuto informativo del cervello è rappresentato dall’insieme dei valori di attivazione di tutti I neuroni. • L’elaborazione dell’informazione avviene con il flusso di segnali elettrici nella rete dei neuroni.

  6. IL CERVELLO • L’attivazione elettrica nel cervello viaggia ad un centinaio di impulsi al secondo • In un computer I segnali elettrici viaggiano migliaia di volte più veloci, ma nel cervello l’informazione viaggia in parallelo ed è distribuita sulla rete piuttosto che posta in posizioni note.

  7. STORIA • 1943 McCulloch e Pitts, Modello formale di neurone • 1949 Legge di Hebb - prima legge di apprendimento su base neurale • 1957 Rosenblatt, Perceptrone • 1969 Minsky e Papert evidenziano I limiti del perceptrone

  8. STORIA • Legge di Hebb: Dwij = e Oi Oj la connessione si rafforza quanto più sono attive le unità I e j • Perceptrone: • si dimostra che può apprendere un certo numero di funzioni

  9. STORIA • Perceptrone: • è fault tolerant, perchè un guasto ad alcune unità non compromette il funzionamento del sistema • Limiti : non può risolvere problemi che coinvolgono funzioni non linearmente separabili (es. OR esclusivo).

  10. STORIA

  11. STORIA

  12. STORIA • 1986 Rumelhart McClelland Perceptrone multistrato con backpropagation (apprendimento supervisionato) • 1977 Rete autoorganizzante di Kohonen (apprendimento non supervisionato) • 1982 Rete di Hopfield • ….

  13. STORIA

  14. IL NEURONE FORMALE • Data una rete formata da N unità, la I-esima unità riceve alcuni segnali di input provenienti dall’output e da altre unità • Il valore Oj proveniente dalla j-esima unità viene trasmesso alla I-esima unità con peso Wij (il peso corrispondente alla forza sinaptica) • La I-esima unità riceve il segnale Wij Oj

  15. IL NEURONE FORMALE • Le varie unità connesse con la I-esima unità concorrono a formare il suo stato di attivazione Ai = S Wij Oj • Il valore dell’output della I-esima unità è dato dall’applicazione di una funzione di trasferimento T: Oi = T(Ai)

  16. IL NEURONE FORMALE • La funzione T emula la soglia di attivazione del neurone, e quindi è una funzione a rampa. • Una rete neurale è formata da un certo numero di unità fra loro interconnesse. • Alcune fungono da unità di input X, che ricevono segnali dall’esterno (I dati, in genere numeri reali)

  17. FUNZIONE DI TRASFERIMENTO

  18. FUNZIONE DI TRASFERIMENTO

  19. RETE NEURALE • Altre sono unità di output Y, e forniscono I valori di output del problema. • Una rete calcola quindi una funzione F t.c. Y = F(X) • La rete apprende a compiere questo calcolo attraverso la presentazione di esempi ed un processo di apprendimento.

  20. RETE NEURALE

More Related