Differenza tra Reti neurali artificiali e Reti neurali profonde

Differenza tra Reti neurali artificiali e Reti neurali profonde

Reti neurali artificiali

Le reti neurali artificiali è un algoritmo di apprendimento mediante rete neurale artificiale, comunemente chiamato rete neurale, un algoritmo che si ispira, sia dal punto di vista strutturale che del funzionamento, alle reti neurali biologiche. La computazione è strutturata in termini di gruppi interconnessi di neuroni artificiali e segue un approccio di tipo connettivista in cui il risultato si manifesta come comportamento emergente di un insieme interconnesso di unità semplici. Le reti neurali vengono spesso impiegate per la modellazione di relazioni complesse tra dati di input e output corrispondenti e per la ricerca di strutture nascoste nei dati.

Più nel dettaglio, le reti neurali sono modelli di apprendimento automatico che cercano di imitare la struttura ed il funzionamento del cervello biologico, costituito da grossi ammassi di neuroni collegati tra loro dagli assoni, mediante l’utilizzo di insiemi di unità neurali, dette neuroni artificiali, interconnesse tra loro a formare una rete.
Ogni unità neurale è connessa con molte altre, ed il collegamento può essere di tipo rafforzativo o inibitorio nei confronti dell’attivazione delle unità a cui è connesso. Ogni neurone contiene una funzione adibita a combinare tra di loro i valori di tutti i suoi input ed una funzione, detta funzione di attivazione, che restituisce l’output del neurone.

Quindi, le reti neurali sono strutturate tipicamente in tre parti, contenenti quantità distinte di neuroni:

  • Un livello di input;
  • Un insieme più o meno numeroso di livelli interni nascosti;
  • Un livello di output.

I segnali in ingresso attraversano l’intera rete dal livello di input a quello di output, passando dai neuroni degli strati interni.

Come è possibile evincere dallo schema di progettazione e funzionamento delle reti neurali, il più grande vantaggio che queste apportano nel campo della computazione artificiale è probabilmente la capacità di approssimare una funzione arbitraria imparando da un insieme di dati osservati. Tuttavia, il funzionamento desiderato da una certa rete non è semplice da ottenere, e la progettazione costituisce un punto delicato dello sviluppo di un sistema di machine learning basato su reti neurali.

Differenza tra Reti neurali artificiali e Reti neurali profonde

Reti neurali profonde

Nel campo delle reti neurali, il deep learning è stato introdotto attraverso la definizione delle cosiddette reti neurali profonde (deep neural network). Il principio di funzionamento è lo stesso delle reti neurali classiche, con la differenza che risiede nel numero molto elevato di livelli nascosti di neuroni intermedi.

Come le reti neurali classiche, le deep neural network sono in grado di modellare relazioni di tipo complesso tra dati di input e output. Tra le applicazioni di maggior successo troviamo la computer vision, con task che includono la classificazione, la regressione di immagini e l’object detection. Nel caso di esempio di quest’ultimo task, una rete neurale profonda è in grado di generare una rappresentazione stratificata degli oggetti in cui ciascun oggetto è individuato da un insieme di caratteristiche aventi la forma di primitive visive, ovvero particolari bordi, linee orientate, texture e pattern ricorrenti. Questa capacità di modellazione pone le sue fondamenta proprio nell’elevato numero di livelli nascosti di neuroni. Per quanto riguarda l’addestramento, il classico algoritmo di back propagation può ancora essere utilizzato. Come nelle reti neurali classiche, anche nelle deep network si può presentare il già citato problema dell’overfitting. Al fine di contrastarlo vengono solitamente utilizzate delle tecniche, dette di regolarizzazione, che vanno ad influenzare il processo di ottimizzazione durante l’addestramento.

Pubblicato da Vito Lavecchia

Lavecchia Vito Ingegnere Informatico (Politecnico di Bari) Email: [email protected] Sito Web: www.vitolavecchia.altervista.org

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *