Reti Neurali Artificiali Singolo-Strato: Metodo della Discesa del Gradiente

L’obbiettivo di questo elaborato è quello di dare un’introduzione generale al concetto di reti neurali artificiali e successivamente applicare uno degli svariati algoritmi su un caso pratico per vederne effettivamente l’utilità. La scelta di questo specifico argomento ricade sul fatto che negli ultimi anni, con l’avvento delle nuove tecnologie, si sente sempre più spesso parlare di numerose applicazioni che non sono altro che esempi di reti neurali, quali per esempio guida autonoma, intelligenza artificiale, riconoscimento della scrittura manuale, riconoscimento vocale ecc... L’elaborato si suddivide in: -Capitolo 1: Storia e introduzione alle reti neurali artificiali, con esempi pratici e cenni di concetti e teoremi fondamentali per la completa comprensione degli argomenti successivi. -Capitolo 2: Teoria della classificazione tramite percettrone a singolo strato, ovvero la più semplice rete neurale artificiale che si possa progettare per avere una classificazione tramite una separazione lineare di due differenti classi. In questo capitolo si approfondirà anche il concetto di training della rete neurale con un apprendimento automatico supervisionato. -Capitolo 3: Caso di studio pratico, classificazione dell’Iris dataset ovvero un insieme di dati che contiene quattro proprietà di questa tipologia di fiore, che in base a queste dovranno essere classificate in 3 specie differenti. Si discuterà come implementare un software in Python per realizzare l’inizializzazione dei dati e l’effettivo algoritmo con rete neurale a singolo strato per la classificazione di questo dataset. -Capitolo 4: Analisi dei risultati ottenuti dal codice implementato nel capitolo 3, possibili estensioni dell’algoritmo e miglioramenti.