AS 3

Aprile 2024 n Automazione e Strumentazione Tecnica 96 PILLOLE DI AUTOMAZIONE I l componente elementare delle reti neu- rali artificiali, largamente impiegate per le applicazioni di ‘IA’ (Intelligenza Arti- ficiale) quali riconoscimento immagini, testi, voci, data pattern, machine learning, è il semplice oggetto matematico noto come neurone artificiale; ispirandosi al modello biologico è possibile dare la seguente descrizione: vari rami (‘dendriti’) portano, ciascuno con un diverso peso, i segnali (che nel caso biologico sono di natura elettrochimica) verso il corpo cellulare; nel ‘nucleo’ centrale del corpo cellulare ha sede una semplice elaborazione dell’informazione basata sulla somma dei segnali in ingresso e su una semplice operazione di ‘sogliatura’ del risul- tato; dal nucleo parte una diramazione (‘assone’) che porta il risultato di tale elaborazione verso altri neuroni, attraverso opportune connessioni (‘sinapsi’) con altri dendriti. Matematicamente, pertanto, si può rappresentare la rete come grafo orientato, i nodi del quale sono i singoli nuclei neuronici mentre gli archi sono i rami che li connettono tra loro. Si simboleggiano con X = [x 1 , …..x n ] le variabili di ingresso e con W = [w 1 ,……w n ] il vettore dei pesi di ciascuna. All’interno del neurone tutti i segnali di ingresso vengono moltiplicati per il relativo peso ed indi sommati; il risultato di tale somma, ulterior- mente addizionato ad una opportuna soglia b 0 , diviene la variabile di ingresso per un blocco non lineare (funzione di attivazione) l’uscita del quale diviene poi uno degli ingressi per i neuroni ai quali esso viene inviato (cfr. figura 1). L’uscita di un singolo neurone con n ingressi può essere quindi espressa come: dove w i è il valore del peso i -esimo mentre b 0 è una costante che può essere vista come un peso e aggiornato come gli altri. La funzione di attivazione f(•) può essere defi- nita in diversi modi (per esempio funzione segno, funzione lineare saturata, tangente iper- bolica), tuttavia la scelta più frequente è quella di utilizzare una funzione non lineare dalla nota forma sigmoidale espressa come: Il coefficiente k determina la ripidità della curva. È proprio attraverso ripetuti cicli di confronto tra i dati e l’uscita della rete che si perviene all’aggiornamento dei pesi che le consente poi di fornire risultati corretti, esprimendo così in qualche modo una forma di ‘intelligenza’ distribuita di tipo non algoritmico. n NOTA AUTORE M. Veronesi, Yokogawa A FIL DI RETE https://computerhistory.org ELEMENTO CARDINE DELLE RETI NEURALI E MOTORE DELL’INTELLIGENZA ARTIFICIALE Il neurone artificiale, che si ispira a quello naturale ed è l’elemento essenziale delle reti neurali artificiali, è una funzione che riceve uno o più input, applica dei pesi a questi input e li somma per produrre un output. Il Neurone Artificiale Massimiliano Veronesi Figura 1 - Neurone artificiale e funzione di attivazione