Rete neurale artificiale: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
m Annullata la modifica 116894908 di 93.146.18.151 (discussione) Etichetta: Annulla |
Descrizioni delle immagini |
||
Riga 41:
Il concetto di rete neurale si pone perché una [[Funzione (matematica)|funzione]] <math>f(x)</math> è definita come una [[Composizione di funzioni|composizione]] di altre funzioni <math>G(x)</math>, che possono a loro volta essere ulteriormente definite come composizione di altre funzioni. Questo può essere comodamente rappresentato come una struttura di reti, con le frecce raffiguranti le dipendenze tra variabili. Una rappresentazione ampiamente utilizzata è la somma ponderata non lineare, dove <math>f(x) = k \left (\sum_i w_i g_i(x) \right)</math>, dove <math>k</math> è una funzione predefinita, come ad esempio la [[tangente iperbolica]]. Sarà conveniente per le seguenti far riferimento ad un insieme di funzioni come un vettore <math>g = (g_1, g_2, \ldots, g_n)</math>.
[[File:Ann dependency (graph).svg|thumb|Figura 1:
La Figura 1 esemplifica una decomposizione della funzione <math>f</math>, con dipendenze tra le variabili indicate dalle frecce. Queste possono essere interpretate in due modi:
Riga 50:
I due punti di vista sono in gran parte equivalenti. In entrambi i casi, per questa particolare architettura di rete, i componenti dei singoli strati sono indipendenti l'uno dall'altro (ad esempio, le componenti di <math>g</math> sono indipendenti l'una dall'altra, dato il loro ingresso <math>h</math>). Questo, naturalmente, permette un certo grado di parallelismo nella costruzione del sistema.
[[File:Recurrent ann dependency graph.png|thumb|upright=0.7|Figura 2:
Reti, come ad esempio quelle precedenti vengono comunemente chiamate ''"feedforward"'', perché il loro è un grafico aciclico diretto. Reti con cicli al loro interno sono comunemente chiamati reti ricorrenti. Tali reti sono comunemente raffigurate nel modo indicato nella parte superiore della Figura 2, dove la funzione <math>f</math> è mostrata come dipendente su se stessa. Tuttavia, vi è una dipendenza temporale implicita che non è possibile dimostrare. Questo significa in pratica che il valore di <math>f</math> ad un certo punto nel tempo <math>t</math> dipende dai valori di <math>f</math> al tempo zero o su uno o più altri punti temporali. Il modello del grafico nella parte inferiore della Figura 2 illustra il caso in cui il valore di <math>f</math> al tempo <math>t</math> dipende solo dal suo valore precedente.
| |||