Lezione 6 di 21 · Parte II, Modelli lineari e reti neurali

Reti neurali (parte 1) — dal neurone al MLP

Dal neurone biologico al Perceptron e al suo teorema di convergenza, le sigmoidi, il Multi-Layer Perceptron come espansione in basi adattiva e approssimatore universale.

15 figure da manipolare.

In questa lezione

• Le reti neurali come strumento di ML
• L’ispirazione biologica
• Il neurone artificiale
• Il Perceptron
• Apprendimento per una singola unità
• Perceptron contro LMS
• Funzioni di attivazione sigmoidali
• Le reti neurali: il Multi-Layer Perceptron
• Perché le reti neurali sono flessibili
• Verso l’algoritmo di apprendimento

Altre lezioni

Modelli lineari e K-nearest neighbors · Note sulla backpropagation · Tutte le lezioni

Appunti di Fabio Piscitelli — Machine Learning (654AA), prof. Alessio Micheli, Università di Pisa, a.a. 2026/27.