UN PASSATO PROSSIMO E REMOTO
Il Neurone Artificiale, denominato in Inglese Percetron, tradotto in Italiano ora come Percetrone o Percettrone ha origini non recenti; basandosi con i tempi del’Informatica . Le sue basi teoriche affondano al 1946 e traggono origini da più discipline: Biologia, Matematica, Fisica, Chimica.
Il percettrone nacque da una prima bozza di neurone artificiale teorizzato da Warren Mc Culloch e Walter Pitts.
L’idea del neurone artificiale venne successivamente ripresa da Frank Rosenblatt il quale sviluppò una macchina elettromeccanica costituita da potenziometri, motori, e fotocellule che avrebbe avuto lo scopo di riconoscere semplici forme geometriche.
l percettrone era un semplice classificatore lineare binario e quindi era in grado di apprendere efficacemente la regola necessaria per riconoscere due classi di input diverse e linearmente separabili.
Frank Rosenblatt, oltre ad averlo realizzato fisicamente, studiò anche un semplice algoritmo per l’addestramento.
L’idea del neurone artificiale venne successivamente ripresa da Frank Rosenblatt il quale sviluppò una macchina elettromeccanica costituita da potenziometri, motori, e fotocellule che avrebbe avuto lo scopo di riconoscere semplici forme geometriche.
Il percettrone era un semplice classificatore lineare binario e quindi era in grado di apprendere efficacemente la regola necessaria per riconoscere due classi di input diverse e linearmente separabili.
Frank Rosenblatt, oltre ad averlo realizzato fisicamente, studiò anche un semplice algoritmo per l’addestramento.
IL NEURONE
COME FUNZIONANO I NEURONI UMANI
- 1) il neurone è ottimizzato per ricevere informazioni
- 2) il neurone riceve i suoi input lungo i dendriti
- 3) ognuna di queste connessioni in entrata è dinamicamente rafforzate o indebolite in base alla frequenza con cui vengono utilizzate
- 4) la forza di ogni connessione determina il contributo dell’ingresso al
- ingresso all’uscita del neurone
- 5) dopo essere stati ponderati in base alla forza delle rispettive connessioni, gli ingressi vengono sommati nel corpo cellulare
- 6) questa somma viene poi trasformata in un nuovo segnale che viene propagato lungo l’assone della cellula e inviato ad altri neuroni
STRUTTURA DEL PERCETRONE
Come già accennato la struttura del percettrone è molto simile a quella di un neurone biologico e le varie sezioni sono molto simili.
Abbiamo i dendriti assieme alle sinapi che costituiscono l’input del neurone.
Il nucleo e infine gli assoni che costituiscono l’uscita del segnale dal neurone per andare ad interagire con gli altri neuroni.
Passiamo quindi all’analisi degli elementi che costituiscono il percettrone.
Analogamente al neurone biologico il percettrone è costituito da :
– almeno due o più connessioni o sinapsi di input
– un nucleo di calcolo o sommatore
– da un uscita o anche detta attivazione
Come funziona
Inizialmente assegno il valore zero oppure un valore infinitesimale molto basso a tutti i pesi w del neurone. Poi eseguo l’algoritmo di apprendimento del perceptron. Calcolo l’output y del neurone in base ai vettori X e W attuali Aggiorno il vettore dei pesi (W) del neurone tramite la regola di aggiornamento dei pesi del perceptron.
In poche parole all’interno di un Percetrone viene inserito un dato, oppure una stringa di dati, e si inserisce nel Percetrone un “peso” che è una forma di deformazione del dato inziale che viene elaborato in una sua variante che avrà un dato di uscita parente della informazione iniziale ma, diversa ed aderente alle regole di “esistenza” del dato iniziale.
Se ci pensate è una forma di creazione unica, molto simile al sistema con cui elaboriamo le nostre riflessioni o pensieri originali.
… ED IL RAPPORTO CON IL TURISMO? LA RICERCA PER SIMILITUDINE IMMAGINE.
I Neuroni Artificiali sono le unità fondamentali del Deep Learning. Non dilungandomi in un argomento molto tecnico, di cui ci occuperemo in modo più specifico nel Futuro, possiamo definirlo così:
Il deep learning è un apprendimento automatico e gerarchico, un segmento della branca della artificial intelligence (AI) che imita il modo in cui gli umani acquisiscono alcune tipologie di conoscenza. Si tratta di un metodo ad hoc di machine learning che ingloba reti neurali artificiali in strati successivi per apprendere dai dati in maniera iterativa.
Dunque, il deep learning è una tecnica per apprendere esponendo le reti neurali artificiali ad ampie quantità di dati, in modo da imparare a eseguire i compiti assegnati.
L’apprendimento profondo, quindi, è un elemento importante di data science, che include statistica e modellazione predittiva. Infatti è l’apprendimento con cui le “macchine” apprendono dati attraverso l’utilizzo di algoritmi, soprattutto di calcolo statistico.
Il Deep Learning si applica con ottimi risultati per tutti quei sistemi o settori che hanno a che fare con Immagini o Dati Audio.
Nel Turismo, ad esempio, noi di A.I.LoveTourism usiamo dei motori di ricerca inversi per immagini; ad esempio Google per ricerca immagini . Basta acquisire una o più foto ed il motore di ricerca riporta foto simili a quelle introdotte, in questo modo puoi ritrovare in quale parte del Mondo puoi trovare luoghi vicini per territorio alle immagini iniziali e guidare un marketing di promozione territoriale nelle zone risultanti dalla ricerca per similitudine.
Questa particolare ricerca di Google funziona, appunto, tramite Reti Neurali ed ha una efficienza di ricerca molto alta. Le applicazioni sono tantissime e spesso hanno come unico limite la fantasia dell’utilizzatore
Sotto, uno dei nostri prodotti turistici . Sarebbe interessante avere un vostro parere sul lavoro che stiamo effettuando
All Saints plus One
One of our Apulia travel packages to discover how the Deities of the 1300s are our recent Superheroes
Contattaci per informazioni
Indirizzo
via Ammiraglio Millo, 9
info@ailovetourism.com
Phone
+39 339 5856822
