La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Apprendimento: Regola Delta Presentazione di un insieme di coppie di pattern di input e di output desiderati Attivazione della rete: il vettore di input.

Presentazioni simili


Presentazione sul tema: "Apprendimento: Regola Delta Presentazione di un insieme di coppie di pattern di input e di output desiderati Attivazione della rete: il vettore di input."— Transcript della presentazione:

1 Apprendimento: Regola Delta Presentazione di un insieme di coppie di pattern di input e di output desiderati Attivazione della rete: il vettore di input genera un vettore di output Confronto fra questo vettore ed il vettore di output desiderato I pesi vengono modificati secondo la regola:

2 Funzioni di attivazione Sia Funzione a soglia Funzione logistica (derivabile) Se net > soglia altrimenti 0 < A < 1 (Input netto)

3 Esempio n. 1 Discriminazione fra mammiferi e non mammiferi Tre domande: 1) Vive sulla terraferma? 2) Depone le uova? 3) È carnivoro? Determino gli esempi con le risposte corrette: 123 Cane1011 Mucca1001 Gambero0100 Balena0001 Pappagallo1100 Aquila1 110 Orca outputinput

4 TrsEditor.exe NetManager.exe NetTrainer.exe 3 input 1 output 5 pattern

5 Esempio n. 2 localizzazione di una lettera Griglia 5x5 3 posizioni della T: Alto input 3 output input Output medio010 basso001

6 TrsEditor.exe NetManager.exe NetTrainer.exe 25 input 3 output 6 pattern

7 Generalizzazione: codifica locale e distribuita 12 1 Figura con spigoli 2 Figura chiusa localedistribuita

8 Discesa del Gradiente: i minimi locali w1 w2 Errore Minimo assoluto Rete neurale a 2 strati: lerrore arriva a 0 e la procedura si ferma w1 w2 Errore Minimo assoluto Minimo locale Rete neurale a 3 Strati: nel minimo locale lerrore non scende più, la procedura si ferma, ma la rete non ha appreso

9 Algoritmi Genetici (GA) Un nuovo metodo di addestramento per reti neurali (ma non solo) Non è necessario conoscere gli output corretti da associare agli input La Vita Artificiale: la selezione naturale simulata nel computer Un esempio: Criptismo Scaricabile sul sito:

10 Simulazioni di vita artificiale ambiente Rete neurale Input sensoriali (Es. visione) Output motori (Es. muscoli)

11 Il funzionamento dei GA Gli algoritmi genetici sono fondati sul concetto di RIPRODUZIONE SELETTIVA Ripetute interazione fra lorganismo e lambiente Generazione di una popolazione casuale di organismi Misura della competenza degli organismo nel loro ambiente (compito) Selezione dei migliori organismi Meccanismi di riproduzione e mutazione del genotipo

12 Meccanismi di riproduzione Mutazione Piccola modifica casuale di alcuni pesi sinaptici scelti a caso (riproduzione asessuata) Crossover Scambio di materiale genetico fra i genitori (riproduzione sessuata)

13 Criptismo in dettaglio Genoma costituito da: Pesi sinaptici Gene che determina il colore I pesi sinaptici sono numeri reali Riproduzione asessuata

14 Considerazioni finali sui GA Ciò che si ottiene con i GA è una forma di adattamento e non di apprendimento Lapprendimento è orientato allacquisizione di qualcosa Ladattamento non ha un obiettivo Gli organismi artificiali non imparano nulla durante la vita


Scaricare ppt "Apprendimento: Regola Delta Presentazione di un insieme di coppie di pattern di input e di output desiderati Attivazione della rete: il vettore di input."

Presentazioni simili


Annunci Google