Maturità: Reti neurali idea generale

Rete neurale

Modello computazionale ispirato al cervello umano, composto da nodi e connessioni.

Qual è la funzione di attivazione?

Funzione che determina l'output di un nodo. Esempi: sigmoid, ReLU.

True o False: Le reti neurali non possono apprendere dai dati.

False. Le reti neurali apprendono dai dati tramite l'addestramento.

Struttura di una rete neurale

Strati: input, nascosti, output. Nodi con pesi e bias.

Ottimizzazione in reti neurali

Tecniche per migliorare l'accuratezza: Gradient Descent, Adam Optimizer.

Cos'è il overfitting?

Quando un modello si adatta troppo ai dati di addestramento, perdendo generalizzazione.

Fill the blank: La __________ è usata per evitare l'overfitting.

regolarizzazione

Quali sono i tipi di reti neurali?

Feedforward, Convoluzionali (CNN), Ricorrenti (RNN).

Esempio di applicazione delle reti neurali

Riconoscimento vocale, traduzione automatica, riconoscimento immagini.

Funzione di costo

Misura la differenza tra output previsto e reale. Esempi: MSE, Cross-Entropy.

Qual è il ruolo del learning rate?

Controlla quanto i pesi vengono aggiornati ad ogni iterazione.

True o False: Le reti neurali sono sempre più accurate delle altre tecniche.

False. Non sempre sono le migliori in ogni contesto.

Rete neurale artificiale →

Modello matematico ispirato al cervello umano, composto da nodi (neuroni) e connessioni (sinapsi).

Cosa è un neurone in una rete neurale?

Unità fondamentale di elaborazione che riceve input, applica una funzione di attivazione e produce output.

Funzione di attivazione →

Formula che determina se un neurone attiva, ad esempio: $\displaystyle f(x) = \frac{1}{1 + e^{-x}}$ (sigmoide).

Vero o falso: Le reti neurali non possono apprendere dai dati.

Falso. Le reti neurali apprendono dai dati grazie all'addestramento e all'ottimizzazione.

Sovradattamento →

Quando un modello si adatta troppo ai dati di addestramento, perdendo capacità di generalizzazione.

Esempio di applicazione delle reti neurali:

- Riconoscimento vocale - Visione artificiale - Traduzione automatica - Gioco degli scacchi

Qual è il ruolo della retropropagazione?

Tecnica utilizzata per aggiornare i pesi delle connessioni in una rete dopo ogni passaggio dell'addestramento.

Dati di addestramento →

Insieme di dati utilizzati per addestrare il modello, comprendente input e output desiderati.

Rete neurale convoluzionale (CNN) →

Tipo di rete progettata per elaborare dati strutturati in griglia, come immagini. Utilizza strati convoluzionali.

Cosa rappresenta un peso in una rete neurale?

Valore che determina l'importanza di un input. I pesi vengono aggiornati durante il processo di apprendimento.

Reti neurali ricorrenti (RNN) →

Reti progettate per elaborare sequenze di dati, come testi o dati temporali, mantenendo memoria di stati precedenti.

Overfitting → Come evitarlo?

- Usare regolarizzazione - Aumentare il set di dati - Utilizzare tecniche di dropout