Please enable JavaScript.
Coggle requires JavaScript to display documents.
RETI NEURALI - Coggle Diagram
RETI NEURALI
METODI DI APPRENDIMENTO
semi-supervisionato
dati incompleti
basato sul rinforzo
ricompense
punizioni
non supervisionato
impara dagli errori
diretto
supervisionato
esempi
gradiente decrescente
back-propagation
regola generale
evoluzionistico
adattamento
PERCETTRONE
prima rete
tot. di ingressi da x0 a xn
memoria locale con pesi da w0 (BIAS) a wn
funzione di trasferimento
prodotto
somma pesata ingressi
uscita
se <0 --> 0
se >= 0 --> 1
pesi
funzioni più comuni
non lineare
mapping
continua e differenziabile
backpropagation
NEURONE BIOLOGICO
dendriti
input
assone
output
soma
corpo cellulare
sinapsi
connessione
dendriti
terminali
tipi
eccitatore
inibitore
NEURONE ARTIFICIALE
input
dendriti
output
assoni
corpo
memoria locale
funzione di trasferimento
combina
segnali in entrata
segnali di uscita
dati memoria
pesi
sinapsi
LOGICA FUZZY
verità parziali
nodi senza peso
scatola nera
elabora dati in ingresso
deduce soluzioni
apprendimento
genetica
back-propagation
APPLICAZIONI
face app
guida autonoma
comprendere lingue
curare tumori celebrali
ricerca
diagnosi
BACKPROPAGATION
strato nascosto
input di I --> Output per U
strato finale
Input di N --> Output
contronto con dati reali
cambio di pesi e ripetizione ciclo
strato iniziale
input x peso = output per N
CONCEZIONI
Bionica
funzionale
processo algoritmico
basato su
regole
procedure logiche
Cibernetica
meno rigoroso
strutturale
TIPOLOGIE
feed-forward
unico flusso unidirezionale
multilayer perceptron
radial basis function
single layer perceptron
uno strato
ricorrenti
connessione laterale
feedback networks
.
Kohonen's SOM
griglia
Hopfield networks
ricorrente simmetrica
neuroni totalmente interconnessi
ingressi = uscite
connessioni
bidirezionali
simmetriche
soglia zero
uscite + o -1
neuroni cambiano stato uno per volta
Fasi funzionamento
memorizzazione
richiamo
competitive networks
strato tutto collegato
art models
APPRENDIMENTO HEBBIANO
rinforzo sinapsi in base all'uso
A -/ B indebolimento
A->B rinforzo
apprendimento aumenta peso sinapsi
MCCULLOCH-PITTS
prototipo di rete
collegamenti
pesi
neuroni
elementi a soglia
funzionamento
confronto con la soglia
PA
somma pesata ingressi
peso linea
se la somma >= scarica
segnali in ingresso
segnali
1 linea attivata
0 non attivata
linee
+1 eccitatoria
-1 inibitoria
0 inesistente