Che cos'è una rete neurale feedforward?
Una rete neurale feedforward è un tipo di rete neurale in cui le connessioni dell'unità non viaggiano in un ciclo, ma piuttosto in un singolo percorso diretto. Ciò differisce da una rete neurale ricorrente, in cui le informazioni possono spostarsi sia in avanti che indietro in tutto il sistema. Una rete neurale feedforward è forse il tipo più comune di rete neurale, in quanto è una delle più facili da comprendere e configurare. Questi tipi di reti neurali sono utilizzati nel data mining e in altre aree di studio in cui è richiesto un comportamento predittivo.
Una rete neurale è una rete di intelligenza artificiale progettata per imitare liberamente i processi "pensanti" di un cervello umano. Alimentando stringhe di dati nella rete, al computer viene data la possibilità di "apprendere" i modelli che lo attraversano, consentendogli di identificare correttamente le risposte e fornire analisi delle tendenze. Sono utilizzati in attività in cui è richiesto un certo grado di apprendimento e riconoscimento dei modelli, ad esempio durante le operazioni di data mining. Il data mining è semplicemente l'analisi delle tendenze da una raccolta di informazioni, come l'analisi delle tendenze di acquisto dei consumatori e le progressioni del mercato azionario.
Le informazioni che viaggiano attraverso una rete neurale feedforward entrano nel livello di input, viaggiano attraverso il livello nascosto ed emergono dal livello esterno della rete, fornendo all'utente finale una risposta alla sua domanda. Un livello di input è semplicemente il luogo in cui l'utente immette i dati grezzi o i parametri delle informazioni. La carne della transazione si svolge nel livello nascosto, in cui il computer ricade sulla sua "esperienza" di gestione di dati simili per produrre una risposta stimata. Le informazioni vengono incanalate attraverso il livello di output, in cui viene fornita una risposta all'utente finale.
Una rete neurale feedforward in genere diventa più efficiente poiché l'utente finale fornisce sempre più dati sperimentali. Proprio come il calcolo di una media, si otterrà un risultato più accurato utilizzando un gran numero di eventi di test. Ad esempio, la probabilità di tirare un "1" su un dado a sei facce è del 16,667 percento; ma ci vorranno centinaia o migliaia di simulazioni prima che la media calcolata sia confermata attraverso l'uso di dati del mondo reale. Le reti neurali Feedforward sono le stesse; le loro risposte diventeranno più accurate con il tempo e l'esperienza.