Introduzione alle Reti Neurali Profonde e alla Discesa Stocastica del Gradiente

Rinaldi, Andrea (2020) Introduzione alle Reti Neurali Profonde e alla Discesa Stocastica del Gradiente. [Laurea], Università di Bologna, Corso di Studio in Matematica [L-DM270]
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Condividi allo stesso modo 4.0 (CC BY-NC-SA 4.0)

Download (15MB)

Abstract

L'elaborato è un'introduzione alle reti neurali profonde e alla discesa stocastica del gradiente. Inizialmente vengono introdotti metodi matematici quali classificazione e regressione. Inoltre si prendono in esame le reti neurali e due tipologie diverse di neuroni. In seguito si analizza il modo in cui le reti trasmettono informazioni tramite un algoritmo detto retropropagazione. Questo è efficiente quando le sue derivate vengono calcolate tramite l'utilizzo di metodi come la discesa del gradiente che permette di ottimizzare gli errori. Infine si considerano i vari tipi di gradiente e gli algoritmi che rendono tali metodi più efficaci e veloci per la convergenza.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Rinaldi, Andrea
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
reti neurali gradiente machine deep learning discesa stocastica gradiente classificazione regressione retropropagazione
Data di discussione della Tesi
17 Luglio 2020
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^