UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

L’aspetto più importante da tenere presente è che non esistono metodi per
addestrare una rete neurale in modo da “creare” informazioni che non siano
contenute nel training set: nessun tipo di rete neurale può imparare ad estrapolare
dei dati se gli esempi che le vengono forniti non sono sufficientemente
"esplicativi".
4.4 Tipologie di reti neurali
Partendo dalla considerazione che esiste un numero elevatissimo di tipi di
rete neurale, di seguito sono indicati i principali parametri che classificano le reti.
I principali tipi di tecniche di apprendimento sono il supervised e
l’unsupervised learning.
• Nel supervised learning il risultato desiderato (target) è noto e viene fornito
alla rete in fase di apprendimento in modo che i pesi sinaptici possano essere
modificati per approssimarlo. Terminato l’addestramento vengono forniti alla
rete i soli input, e questa fornirà uscite in accordo con la qualità
dell’apprendimento realizzato.
• Nell’unsupervised learning non viene presentato alla rete alcun target, e i pesi
vengono modificati solo in base ai dati in input. Questo tipo di rete, in genere,
effettua un qualche tipo di compressione dei dati, come la riduzione di
dimensione o il clustering.
Le principali topologie di rete neurale sono la feedforward e la feedback:
• In una feedforward NN le connessioni tra le unità non formano cicli. Questo
tipo di rete in genere risponde velocemente agli stimoli di ingresso. La
maggior parte delle reti feedforward possono essere addestrate usando una
ampia varietà di metodi numerici (gradiente coniugato, metodi trust-region,
metodi quasi-Newton), oltre a metodi specifici sviluppati dai ricercatori del
settore;
73