• Embed Doc
  • Readcast
  • Collections
  • CommentGo Back
Download
 
©2009 Neuroscienze.netJournal of Neuroscience, Psychology and Cognitive Science
On-line date: 2009-04-24
Sistemi Adattativi e Reti Neurali
Un parallelismo tra Ingegneria e Biologia
di Giovanni Vecchiato
Keywords:
Figura, Immagine, Reti Neurali, Adattativi, Informazione, Neurobiologia
Permalink:
Il termine
adattamento
è usato prevalentemente in campo biologico per indicare esseri viventi chesono in grado di modificare sé stessi con lo scopo di sopravvivere ai cambiamenti dell'ambientecircostante. Tali adattamenti consentono agli organismi viventi di affrontare gli stress e lepressioni dell'ambiente. Essi si riferiscono ad ogni tipo di alterazione nella struttura o dellafunzione di un organismo o di una sua parte, risultato di una selezione naturale e per mezzo dellaquale l'organismo stesso diventa più adatto a vivere e moltiplicarsi nel proprio ambiente. Taledefinizione può essere facilmente estesa al mondo ingegneristico, dove un sistema matematico nonè altro che un modello di un reale sistema fisico. L'interesse nello studiare sistemi adattativi haorigine dall'attraente caratteristica di saper adattare il suo comportamento secondo i cambiamentidello scenario di lavoro o di parti del sistema stesso. Un essere umano, per esempio, è certamenteun sistema adattativo; così lo sono le organizzazioni e le famiglie. Allo stesso modo lo possonoessere alcuni sistemi ingegneristici; per esempio, i sistemi di controllo utilizzano dei cicli difeedback con lo scopo di conoscere le condizioni dell'ambiente e conseguentemente adattarsi.Particolari tipi di sistemi adattativi sono i filtri adattativi e le reti neurali. Un
 filtro adattativo
èdefinito come un filtro che è in grado di modificare le sue caratteristiche per raggiungere un certofine o scopo, e, nella maggior parte dei casi, queste modifiche avvengono in maniera automatica,senza il bisogno di un sostanziale intervento dell'utente. Quando manca la conoscenza sui segnalidi ingresso per i quali il filtro vuole essere costruito, il progettista si orienta su un filtro adattativo,il quale può imparare le caratteristiche del segnale quando viene utilizzato nella sua fase iniziale,ma successivamente sarà in grado di seguire i lenti cambiamenti del segnale in ingresso. I filtri
Pagina 1/5
 
adattativi possono essere implementati in diversi modi, permettendo di risolvere una sempre piùvasta varietà di problemi. I vantaggi di tali sistemi sono nell'avere alcune o tutte delle seguenticaratteristiche:Essi possono adattarsi automaticamente per affrontare i cambiamenti ambientali e/o quelli deirequisiti di sistema; ·Essi sono istruiti, attraverso una procedura di
training
, per conseguire un particolare tipo difiltraggio o per compiti decisionali; ·I sistemi adattativi non richiedono una elaborata procedura di sintesi solitamente necessaria persistemi non adattativi. ·A valle della fase di training, essi estrapolano un modello comportamentale per trattare nuovesituazioni, dove si utilizzano un numero finito e spesso piccolo di segnali di training;In alcuni casi, essi sono in grado di auto-ripararsi, nel senso che possono adattarsi anche a certitipi di defezioni interne;Possono essere descritti come sistemi non lineari con parametri tempo varianti;Solitamente, sono più complessi e difficili da analizzare rispetto a sistemi non adattativi, maoffrono la possibilità di un sostanziale incremento nelle prestazioni quando le caratteristiche delsegnale in ingresso sono sconosciute o tempo varianti.Le
 Reti Neurali
rappresentano una tecnologia usata in molte discipline come neuroscienze,matematica, statistica, fisica, informatica ed ingegneria. Le reti neurali trovano applicazione indiversi campi quali la modellizzazione, analisi di sequenze temporali,
 pattern recogniction
,elaborazione dei segnali e controllo in virtù di una importante proprietà: l'abilità ad imparare daidati in ingresso, con o senza una vera e propria guida. Lavorare con le reti neurali è stato motivatodal riconoscere che il cervello umano elabora in modo completamente diverso rispetto ad unconvenzionale computer. Il cervello è altamente complesso, ha una struttura non lineare ed agiscein modo parallelo.Ha la capacità di organizzare gli elementi costituenti della sua struttura,conosciuti come neuroni, in modo da effettuare calcoli molte volte più velocemente del più velocecomputer esistente al giorno d'oggi. Inoltre, il cervello ha l'abilità di costruire le proprie regoleattraverso quella che noi chiamiamo
esperienza
, ovvero, la proprietà di
 plasticità
. La plasticitàpermette ai neuroni che si sviluppano di adattarsi all'ambiente circostante. Come la plasticitàappare essenziale per il funzionamento dei neuroni del cervello umano come unità processualidell'informazione, così lo è per le reti neurali costituite a sua volta da neuroni artificiali. Nella suaforma più generale, una rete neurale è una macchina progettata per modellare il modo in cui ilcervello effettua un particolare compito; la rete è generalmente implementata usando componentielettronici oppure simulata attraverso un computer per via software. Per raggiungere buoneprestazioni, le reti neurali impiegano una vasta interconnessione di semplici cellule computazionalichiamate neuroni. Un'ampia classe di reti neurali offre buone prestazioni dopo un processo diapprendimento, l'equivalente dell'esperienza umana. Questo processo coinvolge un algoritmo diapprendimento alla fine del quale i pesi sinaptici della rete sono modificati con lo scopo diraggiungere l'obiettivo prefissato. La potenza di calcolo di una rete neurale è dovuta alla suastruttura di sistema distribuito e parallelo e alla sua abilità ad apprendere e, successivamente, ageneralizzare. Le sue principali proprietà e capacità sono: ·
 Non linearità.
Un neurone artificiale può essere lineare o non lineare. Una rete neurale,costituita da una interconnessione di neuroni non lineari, è essa stessa non lineare. Questa è unaproprietà molto importante, particolarmente se il meccanismo fisico responsabile dellagenerazione del segnale d'ingresso (come ad esempio il segnale vocale) è non lineare;
 Adattatività.
Le reti neurali hanno la capacità di adattare i loro pesi sinaptici ai cambiamenti
Pagina 2/5
 
dell'ambiente circostante. In particolare, una rete neurale preparata per operare in un ambientespecifico può essere facilmente ripreparata per occuparsi di diversi cambiamenti delle condizioniambientali in cui si sta operando. Inoltre, quando essa opera in un ambiente non stazionario (uno lecui statistiche cambiano col tempo), una rete neurale può essere progettata in modo che i pesisinaptici cambino in tempo reale;
 Informazione Contestuale.
La conoscenza è rappresentata dall'intera struttura di uno stato diattivazione di una rete neurale. Ogni neurone nella rete è potenzialmente affetto dall'attivitàglobale di tutti i neuroni della rete;
Tolleranza ai Guasti.
Una rete neurale, implementata in hardware, ha la potenzialità di esseretollerante ai guasti, o comunque capace di calcoli efficienti, nel senso che le sue prestazionidegradano dolcemente se le condizioni in cui si opera sono avverse;
 Analogia in Neurobiologia.
Il progetto di una rete neurale è motivata da un'analogia con ilcervello, prova vivente che il processo parallelo di tolleranza ai guasti non solo è fisicamentepossibile ma anche veloce e potente.I neurobiologi vedono le reti neurali artificiali come un mezzo di ricerca per l'interpretazione difenomeni neurobiologici. D'altra parte, gli ingegneri osservano la neurobiologia per nuove idee inmodo da risolvere problemi più complessi di quelli basati sulle convenzionali tecniche di progetto.Il sistema nervoso umano può essere visto come un sistema a tre stadi, raffigurato nel diagrammaa blocchi in Figura 1. La parte centrale del sistema è il cervello, rappresentato dalla rete neurale,che riceve in continuazione informazioni, le analizza ed effettua un'appropriata decisione. InFigura sono presenti due tipi di frecce. Quelle che puntano da sinistra verso destra indicano latrasmissione
 forward 
dell'informazione, che direziona i segnali attraverso il sistema. Le frecce chepuntano da destra verso sinistra indicano invece la presenza di
 feedback 
nel sistema. I
recettori
convertoni gli stimoli dal corpo umano o dall'ambiente esterno in impulsi elettrici che convoglianol'informazione verso la rete neurale (cervello). Gli
effettori
convertono gli impulsi elettrici generatidalla rete neurale in risposte che sono le uscite del sistema. Lo sforzo per studiare il cervello èdiventato più semplice grazie al lavoro pionieristico di Ramòn y Cayàl, che introdusse l'idea dei
neuroni
sinapsi
sono unità elementari strutturali e funzionali che mediano le interazioni tra neuroni. Iltipo più comune è la
sinapsi chimica
, che opera attraverso un processo presinaptico che libera unasostanza, chiamata
neurotrasmettitore
, che prima si diffonde attraverso le giunzione sinaptica traneuroni per poi agire su un processo postsinaptico. In questo modo una sinapsi converte un segnaleelettrico presinaptico in un segnale chimico e poi nuovamente in un segnale elettrico postsinaptco.Una sinapsi può essere
eccitatoria
o
inibitoria
, ma non può svolgere entrambe le funzioni sulneurone recettivo. La maggioranza dei neuroni codifica i loro output in una serie di impulsi dibassa tensione. Questi impulsi, comunemente conosciuti come
 potenziali d'azione
o
spikes
, hannoorigine presso il corpo cellulare dei neuroni e si propagano attraverso gli stessi neuroni convelocità e ampiezza costante. Le ragioni per l'uso dei potenziali d'azione per la comunicazioneneuronale sono basate sulla struttura degli assoni. L'assone di un neurone è molto lungo e sottile edè caratterizzato da una elevata resistenza elettrica e da un valore elevato di capacità. Entrambiquesti elementi circuitali possono essere visti come distribuiti lungo l'assone. L'assone può quindiessere modellato come una linea di trasmissione RC, e la propagazione dei segnali viene
Pagina 3/5
of 00

Leave a Comment

You must be to leave a comment.
Submit
Characters: ...
You must be to leave a comment.
Submit
Characters: ...