Re: reti neurali

On 14 Giu, 15:45, "adriano meis" <umiumi...@invalid.it> wrote:
> 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.