Nei precedenti articoli abbiamo parlato molto di deep learning, reti neurali e tipi di esse, ma oggi in questo articolo impareremo a conoscere le reti ANN un tipo di rete neurale della famiglia del deep learning.
Prerequisiti :
Se non sai cosa è il Machine Learning, clicca qui
Se non sai cosa è il Deep Learning, clicca qui
Se non conosci le principali applicazioni Deep Learning, clicca qui
Se non sai come scaricare e gestire le librerie, clicca qui
Se non sai cosa sia un Dataset, clicca qui
Cos'è una rete neurale?
Una rete neurale è una serie di algoritmi che tenta di riconoscere le relazioni sottostanti in un insieme di dati attraverso un processo che imita il modo in cui opera il cervello umano . le reti neurali si riferiscono a sistemi di neuroni .
la rete neurale è anche un insieme di neuroni organizzati . Queste reti neurali hanno molti strati tra gli strati di input e output che e gli strati tra di loro sono nascosti.
Cos'è un neurone?
Un neurone è una funzione matematica ogni neurone riceve un input ed elabora l'informazione particolare e restituisce l'output.
dove x1,x2,x3 sono input e w1,w2,w3 sono i loro pesi e li ranghiamo in un neurone e y è l'output dato dal neurone.
Che cos'è una rete neurale artificiale (ANN)?
Il termine " Rete neurale artificiale " si riferisce a un sottocampo di intelligenza artificiale ispirato alla biologia e al cervello . Una rete neurale artificiale è solitamente una rete computazionale basata su reti neurali biologiche che costruiscono la struttura del cervello umano. Simile, non uguale, a un cervello umano con neuroni interconnessi tra loro, le reti neurali artificiali hanno anche neuroni collegati tra loro in vari strati delle reti.
Come funzionano le reti neurali artificiali?
La rete neurale artificiale riceve il segnale in ingresso dalla sorgente esterna sotto forma di pattern e l' immagine sotto forma di vettore. Questi input vengono quindi assegnati matematicamente dalle notazioni x(n) per ogni n numero di input. Successivamente, ciascuno degli ingressi viene moltiplicato per i pesi corrispondenti .
Questi pesi rappresentano normalmente la forza dell'interconnessione tra i neuroni all'interno della rete . Tutti gli input pesati sono riepilogati all'interno dell'unità di calcolo. Se la somma ponderata è uguale a zero , viene aggiunta la distorsione per rendere l'output diverso da zero o qualcos'altro per aumentare la risposta del sistema.
Il Bias ha lo stesso input e il peso è uguale a 1 . La funzione di attivazione si riferisce all'insieme delle funzioni di trasferimento utilizzate per ottenere l'uscita desiderata. Esiste un diverso tipo di funzione di attivazione , ma principalmente insiemi di funzioni lineari o non lineari. Alcuni degli insiemi di funzioni di attivazione comunemente usati sono le funzioni di attivazione sigmoidale, iperbolica , binaria , lineare e molte altre . nel prossimo futuro scriveremo un articolo in cui spiegheremo tutte le funzioni di attivazione .
Tipi di rete neurale artificiale:
Esistono vari tipi di reti neurali artificiali (ANN) a seconda del neurone del cervello umano e delle funzioni di rete, una rete neurale artificiale svolge allo stesso modo compiti.
I principali Tipi di rete neurale artificiale sono :
Feedback ANN
Feed Forward ANN
Cos'è la Feedback ANN ?
In questo tipo di ANN , l'output ritorna nella rete per ottenere internamente i risultati più evoluti. Le reti di feedback reinseriscono le informazioni in se stesse e sono adatte a risolvere i problemi di ottimizzazione. Le correzioni degli errori di sistema interne utilizzano le ANN di feedback . Guarda l'immagine qui sotto e nota che l'output manda un feedback all'input.
Cos'è la Feed Forward ANN ?
Una rete neurale feed-forward consente alle informazioni di fluire solo nella direzione in avanti, dai nodi di input, attraverso i livelli nascosti e ai nodi di output . Non ci sono cicli o loop nella rete . Attraverso la valutazione del suo output attraverso la revisione del suo input, l'intensità della rete può essere notata in base al comportamento di gruppo dei neuroni associati e l'output è deciso. Il vantaggio principale di questa rete è che riesce a capire come valutare e riconoscere i modelli di input. Guardando l'immagine qui sotto noterai che questa volta son gli input a comunicare con l'output.
Speriamo davvero che questo articolo sia riuscito a darti l'infarinatura che cercavi sulle ANN.
Qui sotto troverai una sezione per fare commenti o domande,e degli articoli correlati.
Grazie mille per la lettura condividi l'articolo per supportarci :)
.png)
