The topics that I have chosen to deal with in this thesis are statistics and artificial neural networks, elements that represent the development implemented in mathematics for several years now. The inspiration is connected to the impressive capabilities that a technology such as the neural network is able to express today, based on a method of reasoning that refers to the human brain but at the same time uses basic concepts such as those of statistics or mathematics, and today widely spread in all contexts. In the first chapter I concentrated on the broad outline of statistics, focusing on the main types of distribution ranging from discrete to normal, with calculation of the probability of an event and study of random variables. In the second chapter I took as a guiding thread the statistical bases for dealing with artificial neural networks, starting from their origins associated with those of our brain as structure and functioning, passing through their evolution over the years and then analyzing in detail the simplest of neural networks. , that is the perceptron, with the various phases and the different elements that characterize the learning and training of the network. I finished the discussion with the third chapter by putting into practice what was previously described in the theory, creating a neural network through the Python language. The data necessary for the creation of this network were collected, which turned out to be usable for its purpose, that is to distinguish the type of light bulb (led or halogen) starting from the watt and lumen data.
Gli argomenti che ho scelto di trattare in questa tesi sono la statistica e le reti neurali artificiali, elementi che rappresentano lo sviluppo messo in atto in ambito matematico da parecchi anni a questa parte. L’ispirazione è connessa alle impressionanti capacità che riesce oggi ad esprimere una tecnologia come la rete neurale, basata su un metodo di ragionamento che si rifà al cervello umano ma che al tempo stesso utilizza concetti base come ad esempio quelli della statistica o della matematica, ed oggi ampiamente diffusa in tutti i contesti. Nel primo capitolo mi sono concentrato sulla trattazione a grandi linee della statistica, soffermandomi sulle principali tipologie di distribuzione che vanno da quella discreta a quella normale, con calcolo della probabilità di un evento e studio delle variabili di tipo aleatorie. Nel secondo capitolo ho preso come filo conduttore le basi statistiche per affrontare le reti neurali artificiali, partendo dalle loro origini associate a quelle del nostro cervello come struttura e funzionamento, passando dalla loro evoluzione negli anni ed analizzando poi nel dettaglio la più semplice delle reti neurali, ovvero il percettrone, con le varie fasi e i diversi elementi che caratterizzano l’apprendimento e l’addestramento della rete. Ho terminato la trattazione con il terzo capitolo mettendo in pratica cio che in precedenza era stato descritto nella teoria, creando una rete neurale attraverso il linguaggio Python. Sono stati raccolti i dati necessari alla creazione di tale rete che è risultata essere utilizzabile per il suo scopo, ovvero quello di distinguere la tipologia di una lampadina ( led o alogena ) a partire dai dati di watt e lumen.
DALLA STATISTICA ALLE RETI NEURALI ARTIFICIALI: TEORIA ED APPLICAZIONI
NARDOZI, GIORGIO
2020/2021
Abstract
Gli argomenti che ho scelto di trattare in questa tesi sono la statistica e le reti neurali artificiali, elementi che rappresentano lo sviluppo messo in atto in ambito matematico da parecchi anni a questa parte. L’ispirazione è connessa alle impressionanti capacità che riesce oggi ad esprimere una tecnologia come la rete neurale, basata su un metodo di ragionamento che si rifà al cervello umano ma che al tempo stesso utilizza concetti base come ad esempio quelli della statistica o della matematica, ed oggi ampiamente diffusa in tutti i contesti. Nel primo capitolo mi sono concentrato sulla trattazione a grandi linee della statistica, soffermandomi sulle principali tipologie di distribuzione che vanno da quella discreta a quella normale, con calcolo della probabilità di un evento e studio delle variabili di tipo aleatorie. Nel secondo capitolo ho preso come filo conduttore le basi statistiche per affrontare le reti neurali artificiali, partendo dalle loro origini associate a quelle del nostro cervello come struttura e funzionamento, passando dalla loro evoluzione negli anni ed analizzando poi nel dettaglio la più semplice delle reti neurali, ovvero il percettrone, con le varie fasi e i diversi elementi che caratterizzano l’apprendimento e l’addestramento della rete. Ho terminato la trattazione con il terzo capitolo mettendo in pratica cio che in precedenza era stato descritto nella teoria, creando una rete neurale attraverso il linguaggio Python. Sono stati raccolti i dati necessari alla creazione di tale rete che è risultata essere utilizzabile per il suo scopo, ovvero quello di distinguere la tipologia di una lampadina ( led o alogena ) a partire dai dati di watt e lumen.| File | Dimensione | Formato | |
|---|---|---|---|
|
909538_tesinardozi.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
5.86 MB
Formato
Adobe PDF
|
5.86 MB | Adobe PDF |
Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/156362