Rete neurale artificiale

Definizione di rete neurale artificiale

Nel Machine learning, una neural network (anche chiamata rete neurale artificiale o ANN o NN) è un modello di apprendimento che mima la struttura biologica delle reti neurali biologiche.

• Gli ANN sono caratterizzati da una struttura a più livelli: ogni neurone riceve segnali in ingresso, li elabora e trasmette un segnale in uscita.
  • Input layer: strato di input;
  • Hidden layers: strato di elaborazione;
  • Output layer: strato di ritorno del risultato.
• L’unità più piccola è il neurone artificiale (o nodo).
  • I nodi sono interconnessi tra loro tramite associazioni numeriche, c.d. weights ().

Qualsiasi stato mentale può essere descritto come un vettore n-dimensionale di valori di attivazione numerica su unità neurali in una rete.

Come apprendono le reti neurali?

Le reti neurali non hanno regole predefinite, ma apprendono dai dati.

• L’apprendimento avviene attraverso l’aggiustamento dei pesi sinaptici, spesso tramite l’algoritmo di backpropagation.
• Possono apprendere schemi complessi e generalizzare da dati mai visti prima.
• L’informazione non è immagazzinata in unità simboliche discrete, ma è distribuita su tutta la rete.