Cognitrone: differenze tra le versioni

Versione delle 14:50, 12 nov 2019

Versione attuale delle 12:03, 16 mar 2025

(4 versioni intermedie di 2 utenti non mostrate)

Riga 1:

Il '''cognitrone'''<ref>{{Cita pubblicazione|nome=Kunihiko|cognome=Fukushima|data=1975-09-01|titolo=Cognitron: A self-organizing multilayered neural network|rivista=Biological Cybernetics|volume=20|numero=3|pp=121–136121-136|lingua=en|accesso=2019-11-12|doi=10.1007/BF00342633|url=https://doi.org/10.1007/BF00342633}}</ref> è una [[rete neurale artificiale]] non supervisionata multistrato di tipo gerarchico finalizzata al [[riconoscimento di pattern]]. Esso fu pubblicato dallo scienziato [[Kunihiko Fukushima]] nel 1975. I neuroni del cognitrone si distinguono in [[Neurone|inibitori ed eccitatori]], e i collegamenti [[Sinapsi|sinaptici]] tra essi hanno la caratteristica di auto organizzarsi allo scopo di reagire in maniera selettiva al presentarsi di un pattern sul primo degli strati.

Nel modello proposto da Fukushima, sono presenti quattro strati, denominati U0, U1, U2 e U3. Lo strato U0 corrisponde ai [[Neurone|neuroni]] della [[retina]], mentre lo strato U3, si può pensare come lo strato dei neuroni della [[corteccia cerebrale]].

[[File:4livelli.jpg|alt=I quattro strati di neuroni del cognitrone|miniatura|I quattro strati di neuroni del cognitrone|centro|300x300px]]

Il modello del cognitrone tiene conto delle limitazioni biologiche, in particolare del numero finito di dendriti presente nei neuroni biologici e della lunghezza che può essere microscopica dell'assone. Tali limitazioni danno luogo nel modello al concetto di area di connessione che si contrappone alle reti completamente connesse, cioè reti in cui ogni neurone di un livello è connesso a tutti i neuroni del livello successivo.

Dal cognitrone fu successivamente sviluppato il [[neocognitrone]]<ref>{{Cita pubblicazione|nome=Kunihiko|cognome=Fukushima|data=1980-04-01|titolo=Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position|rivista=Biological Cybernetics|volume=36|numero=4|pp=193–202|lingua=en|accesso=2019-11-12|doi=10.1007/BF00344251|url=https://doi.org/10.1007/BF00344251}}</ref>, che rispetto al primo ha la caratteristica di poter riconoscere le immagini anche quando queste vengono trasformate in seguito a roto-traslazioni e variazioni di scala, oltre che a piccole deformazioni.

[[File:Area di connessione.jpg|alt=La figura mostra lo strato U1 del cognitrone ed evidenzia la matrice 3x3 ottenuta dall'area di connessione del neurone u1(2,2)|centro|miniatura|300x300px|La figura mostra lo strato U1 del cognitrone ed evidenzia la matrice 3x3 ottenuta dall'area di connessione del neurone u1(2,2)]]

Dal cognitrone fu successivamente sviluppato il [[neocognitrone]]<ref>{{Cita pubblicazione|nome=Kunihiko|cognome=Fukushima|data=1980-04-01|titolo=Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position|rivista=Biological Cybernetics|volume=36|numero=4|pp=193–202193-202|lingua=en|accesso=2019-11-12|doi=10.1007/BF00344251|url=https://doi.org/10.1007/BF00344251}}</ref>, che rispetto al primo ha la caratteristica di poter riconoscere le immagini anche quando queste vengono trasformate in seguito a roto-traslazioni e variazioni di scala, oltre che a piccole deformazioni.

== Note ==

<references/>

== Voci correlate ==

* [[Rete neurale convoluzionale]]

{{Apprendimento automatico}}

{{Portale|informatica}}