RETI NEURALI ARTIFICIALI
description
Transcript of RETI NEURALI ARTIFICIALI
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