Reti neurali ispirate alla biofisica e le loro performance come classificatori Analisi della rete BCM

La presente tesi propone lo sviluppo di un classificatore basato su neuroni di ispirazio- ne biologica, in particolare sul neurone BCM (Bienenstock-Cooper-Munro). Dopo aver analizzato la struttura e il funzionamento del neurone biologico, il concetto di rete neurale e aver approfondito il modello di apprendimento BCM, si è proceduto allo sviluppo del classificatore utilizzando l’algoritmo di Backpropagation per addestrare i neuroni di classificazione e il modello di apprendimento BCM per ridurre la dimensionalità dei dati in ingresso. I risultati ottenuti mostrano come anche pochi neuroni BCM riescano a produrre rappresentazioni di dataset di alta dimensionalità che permettano una successiva classificazione. Si è mostrato inoltre come un classificatore basato su questa combina- zione di neuroni sia in grado di raggiungere prestazioni superiori rispetto a modelli di apprendimento basati soltanto sulla Backpropagation, mentre non riesca a raggiungere le performance di un classificatore che utilizzi la PCA per ridurre la dimensionalità dei dati in ingresso.