User Tools

Site Tools


neurali:single-layer

Differences

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

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision
Previous revision
neurali:single-layer [2015/07/09 18:18] profproneurali:single-layer [2023/06/09 15:01] (current) profpro
Line 1: Line 1:
 +====== Single layer ======
  
 +Una Rete neurale artificiale composta da un solo strato di neuroni ha capacità molto limitate.
 +
 +Nel 1969 si è dimostrato che un solo percettrone con **due input** potrebbe imitare solo funzioni //[[http://en.wikipedia.org/wiki/Linearly_separable|linearmente separabili]]// come AND  e OR, mentre non potrebbe imitare una funzione XOR perché quest'ultima non è linearmente separabile. http://automatica.ing.unibs.it/mco/cgsa/neurali/il_percettrone.htm
 +
 +Nella seguente figura è mostrata una rete composta da due strati di neuroni (hidden layer, in verde).
 +
 +{{:neurali:rete.png|}}
 +
 +In certi esempi, ho trovato scritto che una rete single layer è composta da ZERO hidden layer
 +
 +Questo tipo di reti sono lineari e permettono di realizzare soluzioni SOLO a problemi che ammettono una soluzione lineare (o le cui classi di soluzioni sono linearmente separabili), escludendo il problema dell'imitazione della funzione XOR, perché i punti non sono linearmente separabili.
 +
 +{{ :neurali:ann_singlelayer.png?200 |}}
 +
 +Approfondimento sull'[[neurali:multi-layer#bias unit|unità con valore "1"]] (unitario)
 +
 +Seguendo un metodo di addestramento [[neurali:supervisioned learning rule]] si deve minimizzare la differenza tra i valori di output attesi e quelli effettivi (detta errore).
 +
 +In questo caso la soluzione dei pesi sinaptici è calcolabile anche analiticamente tramite il metodo della [[neurali:regressione lineare]]. Si deriva la funzione errore  rispetto ai pesi sinaptici.
 +
 +Aggiungendo un hidden layer in più e infittendo i neuroni su questo layer si ottengono reti neurali multilayer (non lineari) e si possono realizzare le imitazioni di qualsiasi funzione.
 +
 +È non lineare perché la sua funzione è non lineare????
 +
 +{{ :neurali:ann_multilayer.png?300 |}}