Reti Neurali

Le reti neurali, note anche come reti neurali artificiali (o ANN, artificial neural network) o reti neurali simulate (o SNN, simulated neural network) sono un sottoinsieme del machine learning e sono l'elemento centrale degli algoritmi di deep learning. Il loro nome e la loro struttura sono ispirati al cervello umano, imitando il modo in cui i neuroni biologici si inviano segnali.

reti_Neurali.PNG

Le reti neurali artificiali (ANN), sono composte da livelli di nodi che contengono un livello di input, uno o più livelli nascosti e un livello di output. Ciascun nodo, o neurone artificiale, si connette ad un altro e ha un peso e una soglia associati. Se l'output di qualsiasi singolo nodo è al di sopra del valore di soglia specificato, tale nodo viene attivato, inviando i dati al successivo livello della rete. In caso contrario, non viene passato alcun dato al livello successivo della rete

Le reti neurali fanno affidamento sui dati di addestramento per imparare e migliorare la loro accuratezza nel tempo. Tuttavia, una volta ottimizzati per l'accuratezza, questi algoritmi di apprendimento sono dei potenti strumenti nella computer science e nella Intelligenza Artificiale, consentendoci di classificare e organizzare in cluster i dati ad alta velocità. Le attività di riconoscimento vocale o di riconoscimento delle immagini possono richiedere pochi minuti invece che ore, come sarebbe il caso se l'identificazione manuale fosse affidata a esperti umani. Una delle reti neurali più note è l'algoritmo di ricerca di Google.

Il concetto di Rete Neurale Artificiale si sviluppa a partire dalla definitiva comprensione delle Reti Neurali Biologiche 

Una rete neurale biologica è composta da un gruppo di neuroni collegati chimicamente o funzionalmente associati. Un singolo neurone può essere connesso a molti altri neuroni e il numero totale di neuroni e connessioni in una rete può essere esteso.

Le connessioni, chiamate sinapsi , sono solitamente formate da assoni ai dendriti , sebbene siano anche possibili sinapsi dendrodendritiche e altri tipi di connessioni.

Oltre alla segnalazione elettrica, ci sono altre forme di segnalazione che derivano dalla diffusione del neurotrasmettitore.

Intelligenza artificiale, modelli cognitivi e reti neurali sono paradigmi di elaborazione delle informazioni ispirati al modo in cui i sistemi neurali biologici elaborano i dati. 

L'intelligenza artificiale e la modellazione cognitiva cercano di simulare alcune proprietà delle reti neurali biologiche. Nel campo dell'intelligenza artificiale, le reti neurali artificiali sono state applicate con successo al riconoscimento vocale , all'analisi delle immagini e al controllo adattativo , al fine di costruire agenti software (in computer e videogiochi ) o robot autonomi.

Storicamente, i computer digitali si sono evoluti dal modello elaborato da von Neumann e funzionano tramite l'esecuzione di istruzioni esplicite tramite l'accesso alla memoria da parte di un certo numero di processori.

La teoria delle reti neurali è servita a identificare meglio come funzionano i neuroni nel cervello e fornire la base per gli sforzi per creare l'intelligenza artificiale.

Rete Neurale e sue applicazioni 

Le reti neurali possono essere utilizzate in diversi campi. I compiti a cui vengono applicate le reti neurali artificiali tendono a rientrare nelle seguenti grandi categorie:

  • Approssimazione di funzioni o analisi di regressione , inclusa la previsione e la modellazione di serie temporali.

  • Classificazione , compreso il riconoscimento di pattern e sequenze, rilevamento di novità e processo decisionale sequenziale.

  • Elaborazione dei dati , inclusi filtraggio, clustering, separazione e compressione cieca del segnale .

Le aree di applicazione delle ANN includono l'identificazione del sistema non lineare  e il controllo (controllo del veicolo, controllo del processo), gioco e processo decisionale (backgammon, scacchi, corse), riconoscimento di schemi (sistemi radar, identificazione del volto , riconoscimento di oggetti), riconoscimento di sequenze (gesto, parlato, riconoscimento del testo scritto a mano ), diagnosi medica, applicazioni finanziarie, data mining (o knowledge discovery in database\KDD), visualizzazione e filtro antispam della posta elettronica . Ad esempio, è possibile creare un profilo semantico degli interessi dell'utente che emergono da immagini addestrate per il riconoscimento di oggetti. 

Rete Neurale e Scienze Cognitive

La neuroscienza teorica e computazionale è il campo che si occupa dell'analisi e della modellazione computazionale dei sistemi neurali biologici. Poiché i sistemi neurali sono intimamente correlati ai processi cognitivi e al comportamento, il campo è strettamente correlato alla modellazione cognitiva e comportamentale.

L'obiettivo del campo è creare modelli di sistemi neurali biologici al fine di comprendere come funzionano i sistemi biologici. Per ottenere questa comprensione, i neuroscienziati si sforzano di creare un collegamento tra i processi biologici osservati (dati), i meccanismi biologicamente plausibili per l'elaborazione e l'apprendimento neurale ( modelli di reti neurali biologiche ) e la teoria (teoria dell'apprendimento statistico e teoria dell'informazione ).

Gli esiti nello sviluppo delle conoscenze nel campo delle Scienze cognitive e comportamentali producono risultati anche nella ricerca e sviluppo nel campo delle Reti ANN. 

sezione in progress continuo