La mente umana ha affascinato l’uomo sin dall’antichità quando ha iniziato a studiarla con l’unico mezzo allora a disposizione: la filosofia. Ci sono compiti che risultano banali per noi umani, ma risultano complicati da programmare sui computer tradizionali. I problemi di pattern recognition : il riconoscimento di oggetti, leggere una lettera scritta a mano da diverse persone, capire cosa sta dicendo un individuo, sono tutti esempi che un umano elabora in millesimi di secondo mentre un computer tradizionale fatica ad ottenere prestazioni simili. Una delle possibili cause sta nel fatto che i computer tradizionali elaborano l’informazione in maniera diversa da come funzionano i sistemi nervosi biologici degli esseri viventi: le reti neurali sono progettate per simulare il funzionamento del cervello umano. Di seguito vedremo una prima applicazione di pattern recognition per dare un’idea di apprendimento automatico. Daremo inoltre un quadro generale sulle reti biologiche e artificiali, fino ad arrivare a parlare della categoria di reti feed-forward: Percettrone, MLP e Radial Bais Function. In particolare vedremo l’architettura e i metodi di addestramento di queste 3 reti. Daremo successivamente un esempio in python di addestramento del percettrone utilizzando il dataset Iris. Vedremo infine qualche applicazione di rete neurale e andremo a discutere dei pro e dei contro, dando uno sguardo di come queste reti verranno utilizzate in futuro.
Reti Neurali: struttura generale e modelli feed-forward
CARPENTIERI, MATTEO
2021/2022
Abstract
La mente umana ha affascinato l’uomo sin dall’antichità quando ha iniziato a studiarla con l’unico mezzo allora a disposizione: la filosofia. Ci sono compiti che risultano banali per noi umani, ma risultano complicati da programmare sui computer tradizionali. I problemi di pattern recognition : il riconoscimento di oggetti, leggere una lettera scritta a mano da diverse persone, capire cosa sta dicendo un individuo, sono tutti esempi che un umano elabora in millesimi di secondo mentre un computer tradizionale fatica ad ottenere prestazioni simili. Una delle possibili cause sta nel fatto che i computer tradizionali elaborano l’informazione in maniera diversa da come funzionano i sistemi nervosi biologici degli esseri viventi: le reti neurali sono progettate per simulare il funzionamento del cervello umano. Di seguito vedremo una prima applicazione di pattern recognition per dare un’idea di apprendimento automatico. Daremo inoltre un quadro generale sulle reti biologiche e artificiali, fino ad arrivare a parlare della categoria di reti feed-forward: Percettrone, MLP e Radial Bais Function. In particolare vedremo l’architettura e i metodi di addestramento di queste 3 reti. Daremo successivamente un esempio in python di addestramento del percettrone utilizzando il dataset Iris. Vedremo infine qualche applicazione di rete neurale e andremo a discutere dei pro e dei contro, dando uno sguardo di come queste reti verranno utilizzate in futuro.File | Dimensione | Formato | |
---|---|---|---|
Carpentieri_Matteo.pdf
accesso riservato
Dimensione
1.34 MB
Formato
Adobe PDF
|
1.34 MB | 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/20.500.12608/37994