Reti Neurali Artificiali
Le Reti Neurali Artificiali, in inglese Artificial Neural
Networks (ANN), sono un paradigma computazionale che implementa
un modello semplificato delle loro corrispondenti naturali: le
Reti Neurali del cervello degli animali. Queste ultime sono
costituite miliardi di neuroni collegati tramite connessioni
ramificate, attraverso le quali viaggiano gli impulsi elettrici
che i neuroni usano per comunicare tra loro. Inizialmente
le reti neurali artificiali furono implementate proprio per
studiare il funzionamento del cervello umano e come esso può
controllare processi complessi come la vista, l’udito, la
memoria ecc; ma esse dimostrarono anche la loro efficacia
nell’affrontare problemi di ottimizzazione e classificazione.
Oggi vengono utilizzate in applicazioni come la compressione dei
dati, l’ottimizzazione di funzioni, sistemi di controllo (è
in fase di sviluppo persino il controllo del volo di un aereo).
Data la loro struttura le ANN funzionano in maniera parallele,
perciò i computer convenzionali non sono adatti all’esecuzione
di algoritmi neurali. Sono stati così implementati dei sistemi
hardware specifici come ad esempio il Neural Network Processor (NNP),
un processore con architettura MIMD (Multiple-Instruction-Multiple-Data),
capace di implementare 8K neuroni e 32K interconnessioni per
processore, che funziona a 35 MHz ed è implementato sia su
VME che su schede PC.
Accenniamo ora al funzionamento di un neurone biologico (si veda
la figura alla pagina seguente):
i segnali sono trasmessi attraverso impulsi elettrici che
viaggiano lungo l’assone . Questi impulsi urtano sul
neurone afferente (cioè quello verso cui viaggiano) in terminali
chiamati sinapsi, le quali si trovano principalmente in un
insieme di ramificazioni della soma (o corpo della cella)
chiamate dentriti. Ogni impulso che arriva a una sinapsi inizia a
rilasciare una piccola quantità di una sostanza chimica chiamata
neuro-trasmettitore che viaggia attraverso la fessura sinaptica e
viene ricevuta da un recettore post – sinaptico situato nel
lato dentritico della sinapsi. Il neurotrasmettitore provoca un
cambiamento nel potenziale della membrana del dentrite. Questo
cambiamento del potenziale post sinaptico (PSP) può servire ad
incrementare (iperpolarizzare) o decrementare (depolarizzare) la
polarizzazione della membrana sinaptica. Nel primo caso il
PSP tende a inibire la generazione di impulsi nel neurone
afferente, mentre nel secondo tende a stimolarla. La grandezza e
il tipo del PSP dalla geometria della sinapsi e dal tipo del
neurotrasmettitore. Ogni PSP viaggerà attraverso il suo dentrite
e si propagherà nella soma, raggiungendo eventualmente la base
dell’assone (axon-hillock). Il neurone afferente somma o
integra l’effetto di migliaia di PSP sul suo albero
dentritico.
Se il potenziale nella base dell’assone supera una
certa soglia, la cella “si accende” e genera un
potenziale elettrico che inizia a viaggiare attraverso il suo
assone e si propaga a sua volta attraverso neuroni contenuti in
un percorso diverso.
Una definizione preliminare:
Una rete neurale è un insieme interconnesso di semplici
elementi di processo, dette unità o nodi, il cui funzionamento
è ispirato a quello dei neuroni animali. La capacità di
processo della rete è contenuta nel peso (weight} delle
interconnessioni, ottenuto attraverso un processo di adattamento
a (o appremdimento da) un insieme di modelli di apprendimento.
Reti Neurali Artificiali: