reti neurali
adriano meis
Salve,
Ho dei dubbi sulle reti neurali. Purtroppo il materiale su cui ho studiato
non me li ha levati.
Mi basta che mi diciate se le affermazioni che seguono esse siano vere o
false. Io le ritengo tutte vere, ma non sono sicuro. Per quelle che siano
false, ditemi la
versione corretta della frase.
1)Esistono le tre tipologie delle reti neurali
a)quelle che devono apprendere un concetto, e che pertanto devono limitarsi
a dire se l'esempio
di ingresso verifichi o meno il concetto. Pertanto esse presentano per
forza: una singola linea
di uscita , e binaria(se vale 1 allora il concetto è verificato, se invece
è 0, no).
b)quelle che devono classificare gli esempi di ingresso fra le molteplici (e
non solo due)
categorie (nella maniera supervisionata o meno). Pertanto esse presentano
le molteplici linee
di uscita, tutte binarie (mai analogiche).
c)quelle che implementino le memorie associative
2)Esistono le reti neurali clusterizzatrici che forniscono in uscita,
direttamente (senza
l'impiego di un codificatore logico) la codifica binaria della
categoria di appartenenza dell'esempio di ingresso. Così, per descrivere
2^n categorie,
bastano n linee binarie di uscita, anzichè 2^n.
Oppure ciò non avviene mai? E se le categorie sono "n", allora le linee di
uscita sono anche
esse "n"?
3)Ammettiamo che io voglia insegnare ad una rete neurale quando un
intervallo di N campioni
audio consecutivi a f=8khz, sia di voce o di rumore (l'apprendimento è
supervisionato).
Al tale fine servono N linee di ingresso analogiche ed un sola linea di
uscita binaria tale che,
se sia attiva allora è voce, altrimenti è rumore.
Ora mmettiamo che ogni intervallo contenga la pronuncia della singola
lettera dell'alfabeto.
Ora il nostro obiettivo è riconoscere quale letteraa dell'alfabeto sia stata
pronunciata. Ebbene
come deve essere fatta?
Con N linee analogiche di ingresso e 21 linee di uscita binarie? Oppure
posso anche avere solo 5
(2^5=32>21) linee di uscita binarie che forniscano la codifica binaria del
simbolo dell'alfabeto?
4)Le memorie associative sono solo quelle di hopfield, oppure anche le reti
neurali possono essere
impiegate come le memorie associative? Cioè io potrei concepire ogni
configurazione d'ingresso
come una stima approssimativa che mi richiami (o mi ricordi ) un simbolo
memorizzatonell rete, ed attivo in uscita l line che corrisponda ad esso.
Così la stess topologi di rete MLP può essere impiegata sia come
clssificatore che come memoria
associativa.
E' corretto?
5)Le reti RBF hanno solo 1 linea di uscita (analogica). Ogni nodo dello
strato intermedio
corrisponde ad un categoria diversa. Come è possibile, dalla singola uscita
anlogica, quale
categoria sia attiva, in corrispondenza di un input?
Inooltre, i pesi dai nodi di input ai nodi dello strato nscosto, sono fissi
ad 1,
oppure vengono appresi con la modalità supervisionta?
6)le memorie associative possono essere relizzate partendo da una rete
neurale classica a più
linee di uscita. Ogni concetto da memorizzare corrisponde ad un vettore
prototipo.
Per ogni input si attiva la linea il cui prototipo sia più simile
all'ingresso.
Grazie,
adriano
Vend
> Salve,
>
> Ho dei dubbi sulle reti neurali. Purtroppo il materiale su cui ho studiato
> non me li ha levati.
> Mi basta che mi diciate se le affermazioni che seguono esse siano vere o
> false. Io le ritengo tutte vere, ma non sono sicuro. Per quelle che siano
> false, ditemi la
> versione corretta della frase.
>
> 1)Esistono le tre tipologie delle reti neurali
> a)quelle che devono apprendere un concetto, e che pertanto devono limitarsi
> a dire se l'esempio
> di ingresso verifichi o meno il concetto. Pertanto esse presentano per
> forza: una singola linea
> di uscita , e binaria(se vale 1 allora il concetto è verificato, se invece
> è 0, no).
Diciamo che devono apprendere un predicato.
> b)quelle che devono classificare gli esempi di ingresso fra le molteplici (e
> non solo due)
> categorie (nella maniera supervisionata o meno). Pertanto esse presentano
> le molteplici linee
> di uscita, tutte binarie (mai analogiche).
Ok, anche se non ci vedo una grandissima differenza con il caso
precedente.
Comunque in questo caso si usano in genere uscite a valori reali, in
modo da considerare il risultato della classificazione come la classe
la cui uscita ha il valore maggiore.
> c)quelle che implementino le memorie associative
Le memorie associative possono essere considerate un caso particolare
di classificatori.
> 2)Esistono le reti neurali clusterizzatrici che forniscono in uscita,
> direttamente (senza
> l'impiego di un codificatore logico) la codifica binaria della
> categoria di appartenenza dell'esempio di ingresso. Così, per descrivere
> 2^n categorie,
> bastano n linee binarie di uscita, anzichè 2^n.
Matematicamente parlando, esistono.
Credo che non siano molto usate nella pratica, a meno che il numero di
classi non sia troppo elevato.
> Oppure ciò non avviene mai? E se le categorie sono "n", allora le linee di
> uscita sono anche
> esse "n"?
Credo che in genere si utilizzino reti con una uscita per classe, ma
non c'è una regola precisa, semplicemente pare che così tende a
funzionare meglio.
> 3)Ammettiamo che io voglia insegnare ad una rete neurale quando un
> intervallo di N campioni
> audio consecutivi a f=8khz, sia di voce o di rumore (l'apprendimento è
> supervisionato).
> Al tale fine servono N linee di ingresso analogiche ed un sola linea di
> uscita binaria tale che,
> se sia attiva allora è voce, altrimenti è rumore.
> Ora mmettiamo che ogni intervallo contenga la pronuncia della singola
> lettera dell'alfabeto.
> Ora il nostro obiettivo è riconoscere quale letteraa dell'alfabeto sia stata
> pronunciata. Ebbene
> come deve essere fatta?
> Con N linee analogiche di ingresso e 21 linee di uscita binarie? Oppure
> posso anche avere solo 5
> (2^5=32>21) linee di uscita binarie che forniscano la codifica binaria del
> simbolo dell'alfabeto?
Puoi provare entrambe le configurazioni, ma ti consiglio quella con 21
linee di uscita.
> 4)Le memorie associative sono solo quelle di hopfield, oppure anche le reti
> neurali possono essere
> impiegate come le memorie associative?
Le reti di Hopfield sono reti neurali.
> Cioè io potrei concepire ogni
> configurazione d'ingresso
> come una stima approssimativa che mi richiami (o mi ricordi ) un simbolo
> memorizzatonell rete, ed attivo in uscita l line che corrisponda ad esso.
> Così la stess topologi di rete MLP può essere impiegata sia come
> clssificatore che come memoria
> associativa.
> E' corretto?
Si.
> 5)Le reti RBF hanno solo 1 linea di uscita (analogica). Ogni nodo dello
> strato intermedio
> corrisponde ad un categoria diversa. Come è possibile, dalla singola uscita
> anlogica, quale
> categoria sia attiva, in corrispondenza di un input?
Credo che le reti RBF non siano generalmente usate per la
classficazione.
> Inooltre, i pesi dai nodi di input ai nodi dello strato nscosto, sono fissi
> ad 1,
> oppure vengono appresi con la modalità supervisionta?
Credo che nel modello di base siano fissi ad 1.
> 6)le memorie associative possono essere relizzate partendo da una rete
> neurale classica a più
> linee di uscita. Ogni concetto da memorizzare corrisponde ad un vettore
> prototipo.
> Per ogni input si attiva la linea il cui prototipo sia più simile
> all'ingresso.
Si.
> Grazie,
Prego.