RETI NEURALIARTIFICIALI

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

• 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.

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.

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.

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

STORIA

• Legge di Hebb:

wij = 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

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).

STORIA

STORIA

STORIA

• 1986 Rumelhart McClelland Perceptrone multistrato con backpropagation (apprendimento supervisionato)

• 1977 Rete autoorganizzante di Kohonen (apprendimento non supervisionato)

• 1982 Rete di Hopfield • ….

STORIA

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

IL NEURONE FORMALE

• Le varie unità connesse con la I-esima unità concorrono a formare il suo stato di attivazioneAi = Wij Oj

– Il valore dell’output della I-esima unità è dato dall’applicazione di una funzione di trasferimento T:

Oi = T(Ai)

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)

FUNZIONE DI TRASFERIMENTO

FUNZIONE DI TRASFERIMENTO

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.

RETE NEURALE