Iniziamo a toglierci un pò di soddisfazioni, mi sono sempre chiesto cosa sono le reti neurali, la mia università ci fa un corso ed era quindi necessario capire..
Partiamo da wikipedia:
Una rete neurale è un insieme di neuroni biologici tra loro interconnessi.
Nell’uso moderno si intende però di solito con rete neurale una rete di neuroni artificiali, che cerca di simulare il funzionamento dei neuroni all’interno di un sistema informatico. Può essere composta sia da programmi che da hardware dedicato. Spesso viene utilizzata in congiunzione alla logica fuzzy.
E proviamo ad approfondire traducendo in post la lunga digressione by wikipedia.. da quanto capisco i neuroni sono degli elementi computazionali che hanno un’abilità particolare, modificano la loro configurazione in base agli stimoli esterni, in una parola apprendimento. Qualcuno sta cercando di imparare dalla biologia e dalla natura replicando questa struttura con modelli artificiali.
Come funziona un neurone? Ancora wiki:
Tipicamente un neurone è costituito di 3 parti principali: il soma (corpo cellulare), l’assone (linea di uscita del neurone unica ma che si dirama in migliaia di rami) e il dendrite (linea di entrata del neurone che riceve segnali in ingresso da altri assoni tramite sinapsi). Il corpo cellulare fa una “somma pesata” (integrazione) dei segnali in ingresso. Se il risultato eccede un certo valore di soglia allora il neurone si attiva ed è prodotto un “potenziale di azione” che è mandato all’assone. Se il risultato non eccede il valore di soglia, il neurone rimane in uno stato di riposo. Una rete neurale artificiale riceve segnali esterni su uno strato di nodi (unità di elaborazione) d’ingresso, ciascuno dei quali è collegato con numerosi nodi interni, organizzati in più livelli. Ogni nodo elabora i segnali ricevuti e trasmette il risultato a nodi successivi.
Il bello delle reti neurali è la capacità di trattare molti dati, la resistenza al rumore (in parole povere, che sono le uniche che conosco, se salta un nodo della rete la rete tiene) e la possibilità di avere in input dati trattabili con algoritmi neurali con cui funzionano a meraviglia, per i difetti mi affido di nuovo a wikipedia, molto chiara:
I modelli prodotti dalle reti neurali, anche se molto efficienti, non sono spiegabili in linguaggio simbolico umano: i risultati vanno accettati “così come sono”, da cui anche la definizione inglese delle reti neurali come “black box”. Come per qualsiasi algoritmo di modellazione, anche le reti neurali sono efficienti solo se le variabili predittive sono scelte con cura. Non sono in grado di trattare in modo efficiente variabili di tipo categorico (per esempio, il nome della città) con molti valori diversi. Necessitano di una fase di addestramento del sistema che fissi i pesi dei singoli Neuroni e questa fase può richiedere molto tempo, se il numero dei record e delle variabili analizzate è molto grande. Non esistono teoremi o modelli che permettano di definire la rete ottima, quindi la riuscita di una rete dipende molto dall’esperienza del creatore.
Utilizzi: finanza, meteorologia, bioinformatica
Di recente il concetto è salito alla ribalta dopo che l’ENEA ha deciso di utilizzare le reti neurali per prevedere i livelli di smog, ne parla punto informatico qui.
Insomma, un concetto tutto da approfondire..
wikipedia: http://it.wikipedia.org/wiki/Rete_neurale
Per una interessante introduzione alle reti neurali: http://www.hyperlabs.net/neurale/introduzione.pdf
per l’immagine: http://www.daviddarling.info
