Rete neurale ricorrente

Da Wikipedia, l'enciclopedia libera.
Jump to navigation Jump to search
Diagramma di una RNN a una unità. Dal basso verso l'alto, gli stati in input, gli stati nascosti e gli stati di output. U, V e W sono i pesi della rete. Sulla sinistra il diagramma compresso, sulla destra la sua versione estesa

Una rete neurale ricorrente (recurrent neural network, RNN) è una classe di rete neurale artificiale in cui i valori di uscita di uno strato di un livello superiore vengono utilizzati come ingresso ad uno strato di livello inferiore[1]. Quest'interconnessione tra strati permette l'utilizzo di uno degli strati come memoria di stato, e consente, fornendo in ingresso una sequenza temporale di valori, di modellarne un comportamento dinamico temporale dipendente dalle informazioni ricevute agli istanti di tempo precedenti[2]. Ciò le rende applicabili a compiti di analisi predittiva su sequenze di dati, quali possono essere ad esempio il riconoscimento della grafia[3] o il riconoscimento vocale[4].

Note[modifica | modifica wikitesto]

  1. ^ (EN) Jeffrey L. Elman, Finding Structure in Time, in Cognitive Science, vol. 14, nº 2, 1990-03, pp. 179–211, DOI:10.1207/s15516709cog1402_1. URL consultato il 15 ottobre 2018.
  2. ^ (EN) Understanding The Recurrent Neural Network, su MindOrks, 14 aprile 2018. URL consultato il 15 ottobre 2018.
  3. ^ (EN) A. Graves, M. Liwicki e S. Fernandez, A Novel Connectionist System for Unconstrained Handwriting Recognition, in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 31, nº 5, 2009-05, pp. 855–868, DOI:10.1109/tpami.2008.137. URL consultato il 15 ottobre 2018.
  4. ^ (EN) Alex Graves, Abdel-rahman Mohamed e Geoffrey Hinton, Speech recognition with deep recurrent neural networks, in 2013 IEEE International Conference on Acoustics, Speech and Signal Processing, IEEE, 2013-05, DOI:10.1109/icassp.2013.6638947. URL consultato il 15 ottobre 2018.
Informatica Portale Informatica: accedi alle voci di Wikipedia che trattano di informatica