Tema

I concettimachine-learningNel grafo

Regola di apprendimento del percettrone

A ogni errore: nuovo peso = peso + tasso di apprendimento × errore × ingresso. I pesi si spostano solo dove l'ingresso era acceso, e la soglia si aggiusta in direzione opposta

Si lega a

regola i pesi e la soglia; la sua riuscita è garantita dal teorema di convergenza del percettrone; è l'antenata della retropropagazione

Da qui ci si arriva

  1. Percettrone

    La prima rete neurale che impara da sola i propri pesi: somma gli ingressi moltiplicati per i pesi e si accende se la somma supera la soglia. Costruita da Rosenblatt (1957-58) anche come macchina fisica, la Mark I

  2. Pesi

    I numeri che dicono quanto conta ciascun ingresso: positivi a favore, negativi contro. Sono ciò che l'apprendimento regola - nella Mark I erano potenziometri mossi da motorini

  3. Teorema di convergenza del percettrone

    Se esiste una retta che separa gli esempi, la regola di apprendimento la trova in un numero finito di correzioni (Rosenblatt; dimostrazione classica di Novikoff, 1962)

  4. Retropropagazione

    L'algoritmo che ripartisce l'errore all'indietro, strato per strato, in proporzione alla responsabilità di ciascun peso; l'idea fu scoperta da più gruppi negli anni Settanta e Ottanta, e Rumelhart, Hinton e Williams (1986) la resero lo strumento di tutti

Dove se ne parla

  1. Il percettrone: la prima macchina che impara le proprie regole