Scopo di queste note quello di presentare alcune nozioni di base sul Neural Computing, descrivere brevemente alcuni modelli di rete neurale e illustrare i principali campi applicativi, con particolare attenzione alla Linguistica. Viene inoltre presentata una breve descrizione delle modalit di implementazione di reti neurali e viene esaminata in dettaglio l’architettura sia hardware sia software di un neurocomputer, in relazione al quale vengono presentati alcuni progetti di ricerca che fanno uso di reti neurali. Il Neural Computing rappresenta il tentativo di definire modelli di calcolo che, sia pure in modo molto semplificato, simulino le funzionalit del cervello biologico. L’analogia con il cervello biologico di basso livello e si basa su considerazioni architetturali e funzionali. Il neurone considerato, infatti, l’elemento base del sistema. Di tale elemento base, il nucleo costituisce l’elemento di elaborazione mentre dendriti ed assone sono, rispettivamente, i canali di ingresso e il canale di uscita. L’assone trasmette successioni di impulsi mentre le connessioni fra neuroni avvengono mediante sinapsi la cui forza sinaptica ne determina l’efficacia. Le connessioni possono essere sia di tipo eccitatorio sia di tipo inibitorio. Le sinapsi rappresentano le unit di memoria del sistema e l’apprendimento si traduce in una modifica della forza sinaptica. L’architettura dei sistemi neurali, d’altra parte, si basa sulla definizione del concetto di neurone formale (vedi figura 1) caratterizzato da canali di ingresso e di uscita, dai pesi che simulano le sinapsi e la loro efficacia e da funzioni matematiche che ne modellizzano il comportamento. Da un punto di vista funzionale, le caratteristiche del cervello biologico che si ritrovano in parte nei sistemi neurali sono l’elevata interconnettivit di elementi semplici e specializzati, l’elevato parallelismo e la ridondanza Le reti neurali rappresentano pertanto modelli di calcolo che derivano alcune delle loro propriet salienti dalle teorie sul sistema nervoso centrale. Sebbene un feedback fra Neuroscienze e Neural Computing sia indubbiamente utile non strettamente necessario nella misura in cui le reti neurali sono viste come modelli astratti di calcolo e non come modelli del cervello biologico e della mente.

Introduzione al Neural Computing

Cioni, Lorenzo
1994

Abstract

Scopo di queste note quello di presentare alcune nozioni di base sul Neural Computing, descrivere brevemente alcuni modelli di rete neurale e illustrare i principali campi applicativi, con particolare attenzione alla Linguistica. Viene inoltre presentata una breve descrizione delle modalit di implementazione di reti neurali e viene esaminata in dettaglio l’architettura sia hardware sia software di un neurocomputer, in relazione al quale vengono presentati alcuni progetti di ricerca che fanno uso di reti neurali. Il Neural Computing rappresenta il tentativo di definire modelli di calcolo che, sia pure in modo molto semplificato, simulino le funzionalit del cervello biologico. L’analogia con il cervello biologico di basso livello e si basa su considerazioni architetturali e funzionali. Il neurone considerato, infatti, l’elemento base del sistema. Di tale elemento base, il nucleo costituisce l’elemento di elaborazione mentre dendriti ed assone sono, rispettivamente, i canali di ingresso e il canale di uscita. L’assone trasmette successioni di impulsi mentre le connessioni fra neuroni avvengono mediante sinapsi la cui forza sinaptica ne determina l’efficacia. Le connessioni possono essere sia di tipo eccitatorio sia di tipo inibitorio. Le sinapsi rappresentano le unit di memoria del sistema e l’apprendimento si traduce in una modifica della forza sinaptica. L’architettura dei sistemi neurali, d’altra parte, si basa sulla definizione del concetto di neurone formale (vedi figura 1) caratterizzato da canali di ingresso e di uscita, dai pesi che simulano le sinapsi e la loro efficacia e da funzioni matematiche che ne modellizzano il comportamento. Da un punto di vista funzionale, le caratteristiche del cervello biologico che si ritrovano in parte nei sistemi neurali sono l’elevata interconnettivit di elementi semplici e specializzati, l’elevato parallelismo e la ridondanza Le reti neurali rappresentano pertanto modelli di calcolo che derivano alcune delle loro propriet salienti dalle teorie sul sistema nervoso centrale. Sebbene un feedback fra Neuroscienze e Neural Computing sia indubbiamente utile non strettamente necessario nella misura in cui le reti neurali sono viste come modelli astratti di calcolo e non come modelli del cervello biologico e della mente.
1994
File in questo prodotto:
File Dimensione Formato  
LC.NeurComp.pdf

accesso aperto

Descrizione: article full text
Tipologia: Altro materiale allegato
Licenza: Solo Lettura
Dimensione 150.27 kB
Formato Adobe PDF
150.27 kB Adobe PDF

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11384/92082
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
  • OpenAlex ND
social impact