Login
Saltarelli, Elia
(2020)
Elementi di probabilitá per il machine learning.
[Laurea], Università di Bologna, Corso di Studio in Matematica [L-DM270]
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato Download (923kB) |
Abstract
La tesi ha lo scopo di presentare la teoria probabilistica che sta alle base del machine learning. Dopo un’introduzione alle nozioni di probabilità e di teoria dei grafi necessarie alla costruzione e allo studio di reti neurali stocastiche, si centra l’attenzione sulle macchine di Boltzmann, studiate per la prima volta nel 1985 da Geoffrey Hinton e da Terry Sejnowski. L’elaborato procede con lo studio di un processo di addestramento per macchine di Boltzmann ristrette per poi concludere mostrando due esempi di algoritmi per la classificazione di oggetti.
Abstract
Altri metadati
Statistica sui download
Gestione del documento:
