In questa tesi vengono introdotte le reti neurali. Una rete neurale artificiale (ANN) è un sistema di calcolo ispirato alle reti neurali biologiche, in grado di risolvere molti problemi ingegneristici e di apprendere informazioni. Negli ultimi anni, le reti neurali si stanno sviluppando sempre di più e si stanno diffondendo nel mondo, ottenendo grandi successi in molti campi di ricerca. Nei primi capitoli di questo elaborato vengono esposte alcune nozioni basilari sui vari tipi di reti neurali e sul loro funzionamento, insieme ad una breve descrizione della loro storia. In seguito, vengono illustrati i principali tipi di apprendimento e le principali tecniche attraverso le quali si cerca di minimizzare l’errore sull’output della rete. Infine, viene sviluppata e allenata una semplice rete neurale, in grado di classificare i pattern appartenenti ad uno dei più famosi dataset: l’Iris Dataset.
Teoria delle reti neurali e dell'apprendimento automatico
MARCHESINI, ANNA
2021/2022
Abstract
In questa tesi vengono introdotte le reti neurali. Una rete neurale artificiale (ANN) è un sistema di calcolo ispirato alle reti neurali biologiche, in grado di risolvere molti problemi ingegneristici e di apprendere informazioni. Negli ultimi anni, le reti neurali si stanno sviluppando sempre di più e si stanno diffondendo nel mondo, ottenendo grandi successi in molti campi di ricerca. Nei primi capitoli di questo elaborato vengono esposte alcune nozioni basilari sui vari tipi di reti neurali e sul loro funzionamento, insieme ad una breve descrizione della loro storia. In seguito, vengono illustrati i principali tipi di apprendimento e le principali tecniche attraverso le quali si cerca di minimizzare l’errore sull’output della rete. Infine, viene sviluppata e allenata una semplice rete neurale, in grado di classificare i pattern appartenenti ad uno dei più famosi dataset: l’Iris Dataset.File | Dimensione | Formato | |
---|---|---|---|
Marchesini_Anna.pdf
accesso riservato
Dimensione
787.22 kB
Formato
Adobe PDF
|
787.22 kB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/34263