Lezione 20 di 21 · Parte V, Deep learning e oltre

Reti neurali ricorrenti (RNN)

Sequenze e trasduzioni, la memoria finita delle IDNN e lo stato delle unità ricorrenti, la Simple RNN, l’unfolding e la backpropagation nel tempo, poi transformer, Echo State Network e reti ricorsive.

11 figure da manipolare.

In questa lezione

• Perché i dati sequenziali
• Dai dati piatti ai dati strutturati
• La memoria nelle reti neurali
• Apprendimento: l’unfolding
• Approcci collegati
• Verso i domini strutturati

Altre lezioni

Apprendimento non supervisionato — K-means e SOM · Apprendimento su dati strutturati e grafi · Tutte le lezioni

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