EO_502

ELETTRONICA OGGI 502 - MAGGIO 2022 31 TECH INSIGHT NEURAL NETS Le reti neurali profonde sono lo stato dell’arte per mol- ti problemi di apprendimento automatico. L’architettura delle reti neurali profonde è ispirata alla struttura gerar- chica del cervello. Le Reti neurali profonde dispongono di una struttura gerarchica a strati di funzioni di attivazio- ne non lineari (neuroni) alimentate da sinapsi. Poiché il cervello è abile nell’astrazione, lo è l’architettura neurale profonda che potrebbe in qualche modo catturare rappre- sentazioni astratte. Tuttavia, non è attualmente possibile sapere come (o anche se) l’apprendimento astratto si veri- fichi in una rete neurale profonda. L’intelligenza artificiale si riferisce alla teoria e allo svi- luppo di sistemi informatici in grado di svolgere compiti che normalmente richiedono l’intelligenza umana. L’in- telligenza artificiale è una scienza che sta incentivando un numero crescente di studi basati sull’apprendimento automatico. L’apprendimento profondo utilizza l’apprendimento della Le reti neurali artificiali e l’apprendimento profondo Fulvio De Santis Le reti neurali artificiali, unitamente all’apprendimento profondo (o deep learning - DL), concettualmente e strutturalmente ispirate ai sistemi neurali, sono di grande interesse grazie alle importanti avanzate applicazioni in vari campi della società. In questo articolo descriveremo i concetti e le idee fondamentali delle reti neurali profonde (DNN) e i progressi algoritmici per l’apprendimento dei parametri di rete in modo efficiente rappresentazione, noto anche come apprendimento del- le caratteristiche, per mappare le caratteristiche di in- put (analoghe alle variabili di previsione nelle statistiche tradizionali) a un output. Questo processo di mappatura avviene all’interno di più strati collegati che contengono ciascuno più neuroni. Ogni neurone è un’unità di elabora- zione matematica che, combinata con tutti gli altri neuro- ni, è progettata per apprendere la relazione tra le caratte- ristiche di input e l’output. L’evoluzione delle reti neurali profonda Per comprendere le reti neurali profonde (DNN) occorre descriverne gli step della loro evoluzione. Prima dell’esi- stenza delle DNN, alcuni elementi dovevano essere rea- lizzati. Innanzitutto, doveva essere sviluppato l’apprendi- mento automatico (ML). Il ML è un framework realizzato per automatizzare (tramite algoritmi) modelli statistici, come un modello di regressione lineare, per migliorare le funzioni di previsione. Queste previsioni sono effettuate con una certa precisione. Unmodello che apprende (ovvero l’apprendimento automatico), raccoglie tutte le sue previ- sioni sbagliate e ne modifica i pesi all’interno del modello per creare un nuovo modello che commetta meno errori. La parte di apprendimento che si occupa della creazione di modelli ha generato lo sviluppo di reti neurali artificiali (ANN). Le ANN utilizzano il livello nascosto (hidden layer) come luogo in cui archiviare e valutare quanto sia signi-