Reti Neurali

Esperimenti con le tecnologie delle reti neurali

Studi, esperimenti ed esempi di modelli di apprendimento automatico profondo basati su reti neurali di diverse tipologie: percettroni multistrato, convoluzionali, ricorrenti, long-short-term-memory. Applicazioni delle reti neurali all'approssimazione di oggetti matematici, all'analisi di testi, immagini, suoni e video, alla ricerca di pattern ricorrenti in serie numeriche, alla risoluzione di equazioni differenziali. Codice rigorosamente originale scritto in Python 3 con TensorFlow e/o PyTorch oppure in Julia con Flux, funzionante e liberamente disponibile su GitHub.

Tutti i Post sulle Reti Neurali

Pruning di reti neurali con TensorFlow: Il pruning dei pesi di una rete neurale pone a zero i pesi insignificanti del modello in fase di addestramento con il fine di ottenere un certo livello di sparsità in modo tale da rendere il modello più facilmente comprimibile.
Equazioni Differenziali e Reti Neurali: Questa pagina è un indice di post di questo sito web che trattano un qualche specifico argomento collegato alle equazioni differenziali e alle reti neurali.
Esperimenti con Neural ODEs in Python con TensorFlowDiffEq: Esempi d'uso di Neural ODEs in Python utilizzando TensorFlow 2.x e TensorFlowDiffEq.
Esperimenti con Neural ODEs in Julia: Esempi d'uso di Neural ODEs in Julia utilizzando i package DifferentialEquations, Flux, DiffEqFlux dell'ecosistema di Julia.
Risolutori di equazioni differenziali ordinarie in Python: Esempi d'uso di alcuni risolutori di equazioni differenziali ordinarie implementati da librerie per Python frequentemente adoperate nelle applicazioni scientifiche in generale e soprattutto nel machine learning e nel deep learning.
Risolutori di equazioni differenziali ordinarie in Julia: Esempi d'uso dei risolutori di equazioni differenziali ordinarie implementati dal package nativo DifferentialEquations.jl dell'ecosistema di Julia.
Strumenti generali per l'approssimazione di funzioni: Questo post descrive l'usage di alcuni tool generali per la generazione e la visualizzazione di dataset che rappresentano o approssimano oggetti matematici quali funzioni, curve e superfici; tali tool sono utilizzati da altri programmi descritti in altri post di questo sito web.
Forecast di una serie temporale univariata ed equispaziata con TensorFlow: Forecast di una serie temporale univariata ed equispaziata tramite varie tassonomie di reti neurali implementate con TensorFlow senza scrivere codice ma solo tramite linea di comando.
Approssimazione con percettroni multistrato altamente configurabili: Approssimazione con percettroni multistrato (MLP) altamente configurabili di funzioni a una e due variabili, di curve e di superfici con TensorFlow e PyTorch.
Approssimazione di una funzione reale di una variabile con TensorFlow: Percettrone multilayer (MLP) altamente configurabile, implementato con TensorFlow, per approssimare la curva di una funzione a valori reali continua e limitata di una variabile in un intervallo chiuso dei reali.
Approssimazione di una funzione reale di una variabile con PyTorch: Percettrone multilayer (MLP) altamente configurabile, implementato con PyTorch, per approssimare una curva di una funzione reale di una variabile in un intervallo chiuso dei reali.
Approssimazione di una curva parametrica su un piano con TensorFlow: Percettrone multilayer (MLP) altamente configurabile, implementato con TensorFlow, per approssimare una curva parametrica continua e limitata su un piano con il parametro appartenente a un intervallo chiuso dei reali.
Approssimazione di una curva parametrica su un piano con PyTorch: Percettrone multilayer (MLP) altamente configurabile, implementato con PyTorch, per approssimare una curva parametrica continua e limitata su un piano con il parametro appartenente a un intervallo chiuso dei reali.
Approssimazione di una curva parametrica nello spazio con TensorFlow: Percettrone multilayer (MLP) altamente configurabile, implementato con TensorFlow, per approssimare una curva parametrica continua e limitata nello spazio con il parametro appartenente a un intervallo chiuso dei reali.
Approssimazione di una curva parametrica nello spazio con PyTorch: Percettrone multilayer (MLP) altamente configurabile, implementato con PyTorch, per approssimare una curva parametrica continua e limitata nello spazio con il parametro appartenente a un intervallo chiuso dei reali.
Approssimazione di una funzione reale di due variabili con TensorFlow: Percettrone multilayer (MLP) altamente configurabile, implementato con TensorFlow, per approssimare la superficie di una funzione a valori reali continua e limitata di due variabili reali e vincolata ad un rettangolo.
Approssimazione di una funzione reale di due variabili con PyTorch: Percettrone multilayer (MLP) altamente configurabile, implementato con PyTorch, per approssimare la superficie di una funzione a valori reali continua e limitata di due variabili reali e vincolata ad un rettangolo.