Addestrare una rete significa presentarle un insieme di esempi e lasciare che la rete si costruisca da sola la conoscenza interna necessaria per svolgere il compito richiesto.
In termini matematici si fornisce un insieme di coppie i/o (x,y) e la rete deve trovare i valori delle connessioni W che realizzino la funzione y= f (x).
La regola d'apprendimento determina il modo con cui la rete apprende. Per apprendimento si intende una ottimale modificazione delle intensità sinaptiche che permette di fornire una risposta adeguata ai vari stimoli che sono presentati alla rete.
Poiché l'attivazione di un'unità è determinata dalla somma di questi segnali, diventa cruciale, ai fini dell'apprendimento, il peso di connessione: tutte le regole d'apprendimento operano sui pesi di connessione, modificandoli.
La più semplice regola di apprendimento è la legge di Hebb, la quale afferma che se un neurone di entrata ed un neurone in uscita sono attivati contemporaneamente per un certo tempo, aumenta la facilità di trasmissione del segnale stesso fra i due neuroni. In altri termini: si incrementa il valore del peso di connessione fra i due neuroni.
Separabilità lineare
UX Tuesday è una newsletter bimensile: ogni due martedì - a partire da martedì 8 gennaio 2019 - verrà pubblicato un articolo di ux, architettura dell'informazione, usabilità.
I prossimi articoli: