User Tools

Site Tools


neurali:problemi_di_classificazione

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
neurali:problemi_di_classificazione [2015/07/09 19:25]
profpro
neurali:problemi_di_classificazione [2020/06/08 22:20] (current)
Line 1: Line 1:
 +====== Problemi di classificazione ======
  
 +  - Nei problemi di **classificazione binaria**, si deve determinare se un dato appartiene o non appartiene ad una certa categoria
 +  - Nei problemi di **classificazione multipla**, si deve determinare a quale categoria appartiene il dato tra le categorie disponibili
 +
 +Questo tipo di problemi si risolvono meglio se la rete neurale (di [[neurali:artificial_neural_network|tipo feed forward]]) possiede  tanti neuroni di output quante sono le categorie desiderate.
 +In questo modo si attiverà solo l'uscita della categoria individuata.
 +
 +===== Classificazione binaria =====
 +
 +Poiché i dati di input ammettono rappresentazione con separazione lineare, non sono necessari hidden layer. La rete non ha bisogno di hidden layer, basta un output layer con [[neurali:funzione di attivazione a gradino]] (step)
 +
 +{{ :neurali:ann_singlelayer.png?direct&200 |}}
 +
 +Tipi di addestramento 
 +  * perceptron (soluzione garantita)
 +  * [[neurali:adaline o delta rule]] o LMS rule, anche per multi layer
 +
 +===== Classificazione multipla =====
 +
 +Di solito ci devono essere tanti neuroni di output quante sono le categorie, il dato apparterrà alla categoria indicata da una certa uscita della rete, quella che produce un output maggiore. 
 +Oggi si tende ad utilizzare la [[neurali:funzione attivazione softmax]] che produce in uscita valori sempre minori di uno, e tali che la loro somma faccia uno (quindi conosco la probabilità con cui un dato appartiene ad una certa categoria).
 +
 +In alcuni casi le categorie in cui vanno classificati i dati hanno dei criteri o delle specifiche indipendenti tra loro e il problema si può ricondurre ad un certo numero di classificazioni binarie
 +
 +Nel caso in cui questo non sia possibile:
 +
 +In pratica dovrebbe essere equivalente a dire non ammette "separazione lineare" dato che non si possono separare graficamente con una retta.
 +
 +  * Se devo individuare un'area chiusa nel piano, uso 5 neuroni in tutto (1 hidden layer con 2 neuroni)
 +  * Se devo individuare due aree separate nel piano, uso 7 neuroni in tutto  (2 hidden layer con 2 neuroni)
 +
 +In questi ultimi due casi non c'è un modo semplice per calcolare i pesi..... ????
 +
 +Soluzione : [[neurali:vector quantization]]
 +
 +[[neurali:Support vector machine]]??
neurali/problemi_di_classificazione.txt · Last modified: 2020/06/08 22:20 (external edit)