benvenuti su Paideia

Cinzia Meraviglia, Le reti neurali nella ricerca socialeCinzia Meraviglia Ŕ ricercatrice presso il Dipartimento di Ricerca sociale dell'UniversitÓ del Piemonte Orientale, dove insegna Metodologia della ricerca sociale presso la FacoltÓ di Scienze Politiche con sede ad Alessandria. Si occupa dello studio della mobilitÓ sociale e del ruolo del capitale sociale nella riproduzione delle diseguaglianze. Oltre ad aver pubblicato numerosi saggi a carattere metodologico, ha collaborato alla stesura del Quarto Rapporto Iard sulla condizione giovanile (1997) e al volume Reti neurali artificiali e sistemi sociali complessi (1999).

Cos'Ŕ una rete neurale?

Una definizione generale
Una rete Ŕ qualcosa di speciale?
Come pu˛ un computer riconoscere la scrittura manuale?
A cosa serve una rete "addestrata"?
West Side Story: ipotesi per un finale diverso

Le origini

La nascita delle reti
Il perceptron di Rosenblatt
Le critiche e la crisi
Gli anni '80 e la rinascita delle reti

Gli elementi comuni

UnitÓ e connessioni
Morfologie di rete
UnitÓ e strati
Lo schema di connessione
La dinamica di unitÓ e connessioni
Input netto
Il bias
Attivazione dell'unitÓ ricevente
Un esempio

Apprendimento

Apprendimento naturale e simulazione artificiale
Apprendimento e compiti
Associazione
Individuazione di regolaritÓ
Architetture di rete

Reti back propagation

Relazioni lineari e non lineari
LinearitÓ
Non linearitÓ
Il senso della non linearitÓ
Un altro esempio

Problemi di ottimizzazione

Cosa significa "ottimizzare"?
Scendere dalla collina
Il gradiente dell'errore

Reti back propagation etero-associate

La fase forward
Esempio
La fase backward
Back propagation e gradiente discendente
Esempio (continuazione)
Tre specificitÓ di una rete bp
Una sola architettura, molte tecniche
Una sola architettura per una o pi¨ variabili dipendenti
Una sola architettura per qualsiasi tipo di variabile

Il percorso applicativo di una rete bp

La fase di apprendimento
Validazione del modello
Selezione degli input
Selezione delle variabili indipendenti
Componenti principali
La fase di testing
Suddivisione del data-set
Validazione dei risultati
PerchÚ addestrare molte reti?

Le unitÓ nascoste

UnitÓ nascoste e codifica distribuita
Alcune proprietÓ della codifica distribuita
UnitÓ nascoste e non separabilitÓ lineare
Un esempio di non separabilitÓ lineare con dati reali
Gli strati nascosti come conversione tra criteri di somiglianza

Interpretazione dell'output e rilevanza dell'input

L'output di una rete bp
Output con valori binari
Output con valori compresi in un intervallo definito
Influenza dell'input sull'output
Variabili cardinali
Un esempio con dati reali
Variabili dipendenti categoriali
Variabili indipendenti categoriali

Le reti constraint satisfaction

Le reti cs per la ricostruzione di frames
Reti cs per l'estrazione di informazioni
Massimizzazione di vincoli
Il processo di ricerca di uno stato stabile

Il funzionamento di una rete cs

Le relazioni tra variabili
La fase di testing
L'aggiornamento delle unitÓ
E se la rete non funziona?
Le relazioni tra unitÓ
La definizione del problema

Reti cs e mobilitÓ sociale

La mobilitÓ sociale
Lo sviluppo degli studi di mobilitÓ
Individuo, societÓ e sistemi complessi
Sistemi complessi e analisi statistica
Una critica alle tecniche tradizionali
Path analysis
Modelli log-lineari e logit
Sistemi complessi, reti cs e mobilitÓ

Un'applicazione delle reti cs

L'ambito di indagine
Il modello
I dati e le variabili
La stima del modello
Apprendimento
I pesi
L'interrogazione delle reti cs
Profili tipici
Il ruolo del coniuge: un esempio di profilo tipico
L'ordine di attivazione delle unitÓ
Pesi e sequenza di attivazione
Breve, medio e lungo periodo
Vantaggi e svantaggi