Please enable JavaScript.
Coggle requires JavaScript to display documents.
RETI NEURALI - Coggle Diagram
RETI NEURALI
-
-
RETI DI HOPFIELD
-
Composta da una rete monostrato di neuroni totalmente interconnessi con connessioni bidirezionali simmetriche, neuroni a soglia 0 e che cambiano stato uno alla volta
Ha due fasi di funzionamento: la memorizzazione nella quale si fissano i pesi in funzione degli input e il richiamo che innesca una diffusione dell'attivazione e termina nello stato di pattern iniziale.
Composta da PE o neuroni di Hopfield, elementi di sommatoria non lineare a più ingressi ed una sola uscita
Gravi inconvenienti: non sempre ladiffusione termina in uno stato di equilibrio, lo stato di eq non coincide con i pattern in memoria, capacità limitata
-
-
BACKPROPAGATION
Algoritmo di backpropagation, tre livelli input, output e uscita.
-
PERCETTRONE
Prima rete neurale, sistema rudimentale di apprendimento. Si ha una serie di ingressi a cui è associato un peso che determina l'efficacia della connessione. L'uscita di un neurone è data da un equazione che può essere non lineare oppure continua e differenziabile
Concezione bionica: John Von Neumann, approccio algoritmico, basato su regole e procedure (paradigma funzionale)
Sono modelli matematici che tentano di simulare il sistema nervoso centrale umano, che deve essere in grado di apprendere
Realizzazione di un cervello digitale riproducendo le connessioni che regolano il funzionamento di quello biologico
-
Un calcolatore si analizza sulla base di potenza e limiti. Il computer è più veloce del cervello ma la differenza di prestazioni risiede nell'architettura di quest'ultimo
-
Conncezione ciberetica: Norbert Wiener, regola di progettazione meno rigide (paradigma strutturale)
Aprremdimento Hebiano: se un neurone A attiva ripetutamente un neurone B la connessione tra i due si rafforza