reti neurali

reti neurali

Modelli basati su tecniche di ottimizzazione numerica ispirate a strutture biologiche, di cui si vuole riprodurre il comportamento, al fine di elaborare l’informazione disponibile e riconoscere legami complessi tra variabili. ● La struttura di una r. n. è costituita da unità elementari di calcolo (neuroni) connesse da canali di comunicazione che cooperano in maniera indipendente, in quanto ogni unità concorre alla trasmissione dell’informazione, assegnandovi pesi diversi, analogamente a quanto avviene nel sistema nervoso. Per quanto concerne l’aspetto funzionale, si distinguono una funzione di aggregazione, che raccoglie l’output dei neuroni, e una di attivazione che, in un secondo momento, elabora non linearmente l’informazione. Il processo di apprendimento avviene variando iterativamente i valori dei pesi: le r. n. vengono così ‘addestrate’ a fornire i risultati che meglio soddisfino il criterio di ottimizzazione scelto. In tale ottica, esse costituiscono una classe di modelli statistici non lineari, che permette di superare le assunzioni dei modelli statistici convenzionali.

Le applicazioni

Le aree di applicazione sono numerose, in quanto le r. n. sono adatte a risolvere problemi di previsione, classificazione, controllo e ottimizzazione. Più in particolare, essendo compatibili con i modelli di scelta discreta (fondati sulla teoria microeconomica delle utilità casuali), le r. n. hanno dimostrato un elevato potenziale di applicabilità in campo economico e sono state pertanto utilizzate con successo in ambito finanziario, sia nel settore dell’analisi sia in quello delle previsioni, nel controllo dei flussi di traffico, trasporto e telecomunicazioni, nella logistica e nella manutenzione stradale, nonché nello studio nelle simulazioni di comportamenti economici.