Passa al contenuto principale

Rete neurale artificiale

Prova Databricks gratis

Che cos'è una rete neurale artificiale?

Una rete neurale artificiale (in inglese artificial neural network ANN) è un sistema di calcolo che ricalca il funzionamento dei neuroni nel cervello umano.

Come funzionano le reti neurali artificiali?

Le reti neurali artificiali possono essere viste come grafi orientati e pesati, comunemente organizzati in strati. Questi strati sono composti da numerosi nodi che imitano i neuroni biologici del cervello umano. I nodi sono interconnessi e contengono una funzione di attivazione. Il primo strato riceve il segnale di ingresso grezzo dal mondo esterno, analogamente ai nervi ottici nell'elaborazione visiva umana. Ogni strato successivo riceve l'output dello strato precedente, in modo simile al modo in cui i neuroni situati più lontano dal nervo ottico ricevono i segnali da quelli più vicini. L'output di ciascun nodo è chiamato attivazione o valore del nodo. L'ultimo livello produce l'output del sistema. Le ANN sono in realtà modelli matematici in grado di apprendere che ci permettono di migliorare le tecnologie di analisi dei dati esistenti. Le reti neurali artificiali sono uno dei motivi per cui abbiamo assistito a un importante progresso nell'intelligenza artificiale (AI), nel machine learning (ML) e nel deep learning.

Rete neurale artificiale di tipo percettrone

Il percettrone è il tipo più semplice di rete neurale artificiale ed è solitamente utilizzato per fare previsioni binarie. Un percettrone può funzionare solo se i dati sono linearmente separabili.

Rete neurale artificiale di tipo percettrone

Rete neurale artificiale multistrato

Una rete neurale multistrato completamente connessa è nota anche come Percettrone multistrato (MLP). Questo tipo di rete neurale artificiale è costituito da più di uno strato di neuroni artificiali o nodi; a questa tipologia appartengono ad esempio le Reti Neurali Convoluzionali e le Reti Neurali Ricorrenti. Una ANN multistrato viene utilizzata per risolvere compiti di classificazione e regressione più complessi. Il modello più comune è il modello a 3 strati completamente connessi a retropropagazione. Il primo strato è costituito da neuroni di ingresso, che inviano i dati al secondo strato il quale a sua volta invia i neuroni di uscita al terzo strato.

Rete neurale artificiale multistrato
In base alla topologia, si distinguono poi due tipi di rete neurale artificiale: feed-forward e feed-back.

Rete neurale artificiale feed-forward

In questa ANN il flusso di informazioni è unidirezionale: l'informazione viaggia in un'unica direzione, in avanti, senza creare anelli di retroazione.  Passa prima per i nodi di ingresso, poi per i nodi nascosti (se presenti) e infine per i nodi di uscita.

Rete neurale artificiale feed-back

In questo tipo di rete, tra i neuroni esistono delle connessioni di feedback intrinseche e gli anelli di retroazione sono consentiti.  

Risorse aggiuntive

Torna al Glossario