UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica
UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica
UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
L’ambiente sviluppato consente di effettuare test sull’approssimazione di<br />
funzioni reali di variabile reale, impostando la funzione desiderata, il relativo<br />
dominio e il range di output corrispondente.<br />
4.7.1 Parametri testati durante le prove<br />
Per determinare il tipo di test da eseguire sulla capacità di approssimazione<br />
di funzioni da parte della rete, sono stati considerati principalmente i seguenti<br />
parametri:<br />
♦ il coefficiente β che compare nell’esponenziale della sigmoide;<br />
♦ il numero di neuroni nello strato nascosto;<br />
♦ il tipo di funzione da approssimare;<br />
♦ il numero di training samples presenti nel set di esempi;<br />
♦ il livello del rumore sull’uscita desiderata.<br />
Per poter testare tutte le condizioni possibili si sarebbero dovute considerare<br />
le combinazioni di tutti i valori attribuiti ai singoli parametri. Purtroppo una<br />
operazione di questo genere avrebbe richiesto delle risorse di calcolo alquanto<br />
dispendiosa, in termini di tempo di calcolo oppure di macchine utilizzate in<br />
parallelo. Per ovviare al problema si è scelto di effettuare un opportuno<br />
sottoinsieme di test, ritenuto significativo per poter estendere le conclusioni anche<br />
alle situazioni non direttamente testate.<br />
4.8 Risultato dei test<br />
La maggior parte dei test ha confermato le ipotesi qualitative che è possibile<br />
formulare conoscendo l’influenza dei parametri testati sull’apprendimento della<br />
rete. Per esempio, aumentando il numero di neuroni nello strato nascosto si ottiene<br />
un apprendimento più veloce e preciso, almeno fino ad un certo limite, il quale<br />
88