Download
1 / 20
220 likes | 547 Views
RETI NEURALI ARTIFICIALI. 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.
E N D
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 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: Dwij = e 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 • 1986 Rumelhart McClelland Perceptrone multistrato con backpropagation (apprendimento supervisionato) • 1977 Rete autoorganizzante di Kohonen (apprendimento non supervisionato) • 1982 Rete di Hopfield • ….
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 attivazione Ai = S 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)
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.
