Sistemi Adattativi e Reti Neurali

8/14/2019 Sistemi Adattativi e Reti Neurali

1/5

2009 Neuroscienze.netJournal of Neuroscience, Psychology and Cognitive Science

On-line date: 2009-04-24

Sistemi Adattativi e Reti Neurali

Un parallelismo tra Ingegneria e Biologia

di Giovanni Vecchiato

Keywords: Figura, Immagine, Reti Neurali, Adattativi, Informazione, Neurobiologia

Permalink:http://www.neuroscienze.net/index.asp?pid=idart&cat=3&arid=543

Il termine adattamento usato prevalentemente in campo biologico per indicare esseri viventi che

sono in grado di modificare s stessi con lo scopo di sopravvivere ai cambiamenti dell'ambiente

circostante. Tali adattamenti consentono agli organismi viventi di affrontare gli stress e le

pressioni dell'ambiente. Essi si riferiscono ad ogni tipo di alterazione nella struttura o della

funzione di un organismo o di una sua parte, risultato di una selezione naturale e per mezzo della

quale l'organismo stesso diventa pi adatto a vivere e moltiplicarsi nel proprio ambiente. Tale

definizione pu essere facilmente estesa al mondo ingegneristico, dove un sistema matematico non

altro che un modello di un reale sistema fisico. L'interesse nello studiare sistemi adattativi haorigine dall'attraente caratteristica di saper adattare il suo comportamento secondo i cambiamenti

dello scenario di lavoro o di parti del sistema stesso. Un essere umano, per esempio, certamente

un sistema adattativo; cos lo sono le organizzazioni e le famiglie. Allo stesso modo lo possono

essere alcuni sistemi ingegneristici; per esempio, i sistemi di controllo utilizzano dei cicli di

feedback con lo scopo di conoscere le condizioni dell'ambiente e conseguentemente adattarsi.

Particolari tipi di sistemi adattativi sono i filtri adattativi e le reti neurali. Unfiltro adattativo

definito come un filtro che in grado di modificare le sue caratteristiche per raggiungere un certo

fine o scopo, e, nella maggior parte dei casi, queste modifiche avvengono in maniera automatica,

senza il bisogno di un sostanziale intervento dell'utente. Quando manca la conoscenza sui segnali

di ingresso per i quali il filtro vuole essere costruito, il progettista si orienta su un filtro adattativo,

il quale pu imparare le caratteristiche del segnale quando viene utilizzato nella sua fase iniziale,

ma successivamente sar in grado di seguire i lenti cambiamenti del segnale in ingresso. I filtri

Pagina 1/5
http://www.neuroscienze.net/index.asp?pid=idart&cat=3&arid=543http://www.neuroscienze.net/http://www.neuroscienze.net/index.asp?pid=idart&cat=3&arid=543


2/5

adattativi possono essere implementati in diversi modi, permettendo di risolvere una sempre pi

vasta variet di problemi. I vantaggi di tali sistemi sono nell'avere alcune o tutte delle seguenti

caratteristiche:

Essi possono adattarsi automaticamente per affrontare i cambiamenti ambientali e/o quelli deirequisiti di sistema;

Essi sono istruiti, attraverso una procedura di training, per conseguire un particolare tipo di

filtraggio o per compiti decisionali;

I sistemi adattativi non richiedono una elaborata procedura di sintesi solitamente necessaria per

sistemi non adattativi.

A valle della fase di training, essi estrapolano un modello comportamentale per trattare nuove

situazioni, dove si utilizzano un numero finito e spesso piccolo di segnali di training;

In alcuni casi, essi sono in grado di auto-ripararsi, nel senso che possono adattarsi anche a certi

tipi di defezioni interne;

Possono essere descritti come sistemi non lineari con parametri tempo varianti;

Solitamente, sono pi complessi e difficili da analizzare rispetto a sistemi non adattativi, ma

offrono la possibilit di un sostanziale incremento nelle prestazioni quando le caratteristiche del

segnale in ingresso sono sconosciute o tempo varianti.

LeReti Neurali rappresentano una tecnologia usata in molte discipline come neuroscienze,

matematica, statistica, fisica, informatica ed ingegneria. Le reti neurali trovano applicazione in

diversi campi quali la modellizzazione, analisi di sequenze temporali,pattern recogniction,

elaborazione dei segnali e controllo in virt di una importante propriet: l'abilit ad imparare dai

dati in ingresso, con o senza una vera e propria guida. Lavorare con le reti neurali stato motivato

dal riconoscere che il cervello umano elabora in modo completamente diverso rispetto ad un

convenzionale computer. Il cervello altamente complesso, ha una struttura non lineare ed agiscein modo parallelo.Ha la capacit di organizzare gli elementi costituenti della sua struttura,

conosciuti come neuroni, in modo da effettuare calcoli molte volte pi velocemente del pi veloce

computer esistente al giorno d'oggi. Inoltre, il cervello ha l'abilit di costruire le proprie regole

attraverso quella che noi chiamiamo esperienza, ovvero, la propriet diplasticit. La plasticit

permette ai neuroni che si sviluppano di adattarsi all'ambiente circostante. Come la plasticit

appare essenziale per il funzionamento dei neuroni del cervello umano come unit processuali

dell'informazione, cos lo per le reti neurali costituite a sua volta da neuroni artificiali. Nella sua

forma pi generale, una rete neurale una macchina progettata per modellare il modo in cui il

cervello effettua un particolare compito; la rete generalmente implementata usando componenti

elettronici oppure simulata attraverso un computer per via software. Per raggiungere buone

prestazioni, le reti neurali impiegano una vasta interconnessione di semplici cellule computazionali

chiamate neuroni. Un'ampia classe di reti neurali offre buone prestazioni dopo un processo di

apprendimento, l'equivalente dell'esperienza umana. Questo processo coinvolge un algoritmo di

apprendimento alla fine del quale i pesi sinaptici della rete sono modificati con lo scopo di

raggiungere l'obiettivo prefissato. La potenza di calcolo di una rete neurale dovuta alla sua

struttura di sistema distribuito e parallelo e alla sua abilit ad apprendere e, successivamente, a

generalizzare. Le sue principali propriet e capacit sono:

Non linearit. Un neurone artificiale pu essere lineare o non lineare. Una rete neurale,

costituita da una interconnessione di neuroni non lineari, essa stessa non lineare. Questa una

propriet molto importante, particolarmente se il meccanismo fisico responsabile dellagenerazione del segnale d'ingresso (come ad esempio il segnale vocale) non lineare;

Adattativit. Le reti neurali hanno la capacit di adattare i loro pesi sinaptici ai cambiamenti

Pagina 2/5


3/5

dell'ambiente circostante. In particolare, una rete neurale preparata per operare in un ambiente

specifico pu essere facilmente ripreparata per occuparsi di diversi cambiamenti delle condizioni

ambientali in cui si sta operando. Inoltre, quando essa opera in un ambiente non stazionario (uno le

cui statistiche cambiano col tempo), una rete neurale pu essere progettata in modo che i pesi

sinaptici cambino in tempo reale;Informazione Contestuale. La conoscenza rappresentata dall'intera struttura di uno stato di

attivazione di una rete neurale. Ogni neurone nella rete potenzialmente affetto dall'attivit

globale di tutti i neuroni della rete;

Tolleranza ai Guasti. Una rete neurale, implementata in hardware, ha la potenzialit di essere

tollerante ai guasti, o comunque capace di calcoli efficienti, nel senso che le sue prestazioni

degradano dolcemente se le condizioni in cui si opera sono avverse;

Analogia in Neurobiologia. Il progetto di una rete neurale motivata da un'analogia con il

cervello, prova vivente che il processo parallelo di tolleranza ai guasti non solo fisicamente

possibile ma anche veloce e potente.

I neurobiologi vedono le reti neurali artificiali come un mezzo di ricerca per l'interpretazione di

fenomeni neurobiologici. D'altra parte, gli ingegneri osservano la neurobiologia per nuove idee in

modo da risolvere problemi pi complessi di quelli basati sulle convenzionali tecniche di progetto.

Il sistema nervoso umano pu essere visto come un sistema a tre stadi, raffigurato nel diagramma

a blocchi in Figura 1. La parte centrale del sistema il cervello, rappresentato dalla rete neurale,

che riceve in continuazione informazioni, le analizza ed effettua un'appropriata decisione. In

Figura sono presenti due tipi di frecce. Quelle che puntano da sinistra verso destra indicano la

trasmissioneforwarddell'informazione, che direziona i segnali attraverso il sistema. Le frecce che

puntano da destra verso sinistra indicano invece la presenza difeedbacknel sistema. I recettori

convertoni gli stimoli dal corpo umano o dall'ambiente esterno in impulsi elettrici che convoglianol'informazione verso la rete neurale (cervello). Gli effettori convertono gli impulsi elettrici generati

dalla rete neurale in risposte che sono le uscite del sistema. Lo sforzo per studiare il cervello

diventato pi semplice grazie al lavoro pionieristico di Ramn y Cayl, che introdusse l'idea dei

neuroni come costituenti strutturali del cervello.

[IMMAGINE: Rappresentazione con diagramma a blocchi del sistema nervoso]

Le sinapsi sono unit elementari strutturali e funzionali che mediano le interazioni tra neuroni. Il

tipo pi comune la sinapsi chimica, che opera attraverso un processo presinaptico che libera una

sostanza, chiamata neurotrasmettitore, che prima si diffonde attraverso le giunzione sinaptica tra

neuroni per poi agire su un processo postsinaptico. In questo modo una sinapsi converte un segnale

elettrico presinaptico in un segnale chimico e poi nuovamente in un segnale elettrico postsinaptco.

Una sinapsi pu essere eccitatoria o inibitoria, ma non pu svolgere entrambe le funzioni sul

neurone recettivo. La maggioranza dei neuroni codifica i loro output in una serie di impulsi di

bassa tensione. Questi impulsi, comunemente conosciuti comepotenziali d'azione o spikes, hanno

origine presso il corpo cellulare dei neuroni e si propagano attraverso gli stessi neuroni con

velocit e ampiezza costante. Le ragioni per l'uso dei potenziali d'azione per la comunicazione

neuronale sono basate sulla struttura degli assoni. L'assone di un neurone molto lungo e sottile ed

caratterizzato da una elevata resistenza elettrica e da un valore elevato di capacit. Entrambiquesti elementi circuitali possono essere visti come distribuiti lungo l'assone. L'assone pu quindi

essere modellato come una linea di trasmissione RC, e la propagazione dei segnali viene

Pagina 3/5
http://www.psicolab.net/public/fileman/files/2344/1-snc.jpghttp://www.psicolab.net/public/fileman/files/2344/1-snc.jpghttp://www.psicolab.net/public/fileman/files/2344/1-snc.jpg


4/5

comunemente descritta attraverso un'equazione matematica.L'analisi di questo meccanismo di

propagazione rivela che quando si applica una tensione ai capi di un assone essa decade

esponenzialmente con la distanza, ma in modo insignificante al tempo in cui esso raggiunge l'altro

capo.

[IMMAGINE: Organizzazione strutturale dei livelli nel cervello]

Nel cervello ci sono organizzazioni anatomiche sia in piccola che in larga scala, e differenti

funzioni prendono posto a bassi ed alti livelli. La Figura 2 mostra una gerarchia di livelli emersa

dall'esteso lavoro fatto sull'analisi di regioni locali nel cervello. Le sinapsi rappresentano il livello

fondamentale, il quale dipende dalle molecole e dagli ioni, necessari per la loro azione. Ai livelli

successivi abbiamo i microcircuiti neuronali, gli alberi dendritici, e poi i neuroni. Un microcircuito

neuronale si riferisce ad un insieme di neuroni organizzati in strutture connettive per realizzare

l'operazione funzionale d'interesse. Un microcircuito neuronale pu essere paragonato ad un

microchip costituito da diversi transistor. Microcircuiti neuronali sono raggruppati per formare

sub-unit dendtritiche all'interno degli alberi dendritici dei singoli neuroni. Un solo neurone pu

avere parecchie sub-unit dendritiche. Al successivo livello di complessit abbiamo i circuiti

locali composti da neuroni con propriet simili ma anche differenti; questi aggregati di neuroni

compiono operazioni caratteristiche di una regione localizzata del cervello. Questo seguito dai

circuiti inter-regionali, costituiti da percorsi, colonne, e mappe topografiche, che coinvolgono

regioni multiple localizzate in diverse parti del cervello. Le mappe topografiche sono organizzate

per rispondere alle informazioni sensoriali in arrivo. Queste mappe sono spesso organizzate in

strati, dove quello visivo, uditivo, e somatosensitivo sono sovrapposti su livelli adiacenti in modo

che gli stimoli provenienti dai corrispondenti punti dello spazio giacciano uno accanto all'altro. Allivello finale di complessit, le mappe topografiche ed altri circuiti inter-regionali mediano

specifici tipi di comportamento nel sistema nervoso centrale. importante riconoscere che

i livelli strutturali qui descritti sono solo una caratteristica del cervello. Essi sono introvabili in un

computer e nemmeno vicini da essere ricreati con reti neurali artificiali. I neuroni artificiali che si

usano per costruire le reti neurali sono primitivi in confronto a quelli che si trovano nel cervello.

Le reti neurali, che oggi possibile progettare, sono rozze se paragonate ai circuiti locali ed

inter-regionali nel cervello. Quello che in realt soddisfacente il notevole progresso che si

fatto sui diversi fronti negli ultimi vent'anni. Il progresso nella progettazione e la produzione di

microcircuiti ha prodotto processori molto compatti ed economici che emulano i sistemi nervosi

biologici in grandezza e ne sono chiaramente superiori in velocit. Il risultato stato una crescita

molto veloce nel campo delle applicazioni per tutti i tipi di elaborazione digitale, incluso

l'elaborazione adattativa. Le odierne applicazioni per tali sistemi adattativi sono nel campo

dell'elaborazione dell'immagine, riconoscimento vocale, radar, sonar, sismologia, progetti

meccanici, sistemi di navigazione e strumentazione biomedica. Questo tipo di sistemi consente un

facile paragone tra le sue attraenti caratteristiche e i nostri comportamenti, come esseri umani. A

volte noi non siamo in grado di lavorare in tutti i tipi di ambienti che ci circondano, ma

dipendiamo strettamente dalla societ in cui viviamo. Il nostro corpo, la mente, pu non essere in

grado di adattarsi a certi cambiamenti. Conseguentemente, questo si riflette sui comportamenti

generali di un essere umano. Le nostre azioni sono viziate da influenze esterne, cos come lo sono i

pensieri. Noi non siamo pi in grado di capire le nostre reali emozioni. Alla fine, questo porta

all'annichilimento dell'essere umano. L'emozione stata descritta da vari studiosi come l'energiadel pensiero; come quella che fa funzionare la percezione, la finestra della mente; come il mezzo

di scambi sociali ed il legame per le relazioni; come la trama per la continuit e la coerenza della

Pagina 4/5
http://www.psicolab.net/public/fileman/files/2344/2-livelli.jpghttp://www.psicolab.net/public/fileman/files/2344/2-livelli.jpghttp://www.psicolab.net/public/fileman/files/2344/2-livelli.jpg


5/5

personalit; come quella che colora la nostra esperienza e d un significato alle nostre vite.

L'emozione vista sia come una influenza organizzatrice, ma potenzialmente anche

disorganizzatrice. L'emozione fondamentale per comprendere una risposta adattativa

all'ambiente. Con lo scopo di avere un'analisi neurologica delle emozioni, durante tutto il

ventesimo secolo molti scienziati hanno sistematicamente esplorato il cervello e cercato di capirecome esso funziona. stato dimostrato che sia il sistema nervoso centrale, che quello

periferico, forniscono cicli di feedback interattivi che sono in ultima analisi responsabili del

comportamento dell'organismo in relazione alle sollecitazioni provenienti dall'ambiente.

Investigare come circa cento miliardi di neuroni del sistema nervoso centrale funzionano con lo

scopo di creare pensieri ed emozioni una sfida enorme per gli scienziati. Da qui l'importanza di

avere gli strumenti che forniscono una metodologia non invasiva per lo studio della localizzazione

delle funzioni all'interno del cervello. La tecnologia adesso matura abbastanza per affrontare

questo tipo di studio; il cervello umano stato modellato bene per mezzo di reti neurali e gli

ingegneri hanno gli strumenti per dedicare le loro energie al campo emozionale. Senza capire le

emozioni non possibile conoscere a pieno lo sviluppo umano. L'emozione il carburante per una

crescita cognitiva e la moneta per l'evoluzione delle relazioni sociali.

Bibliografia

Haykin, S. (1998).Neural Network: A Comprehensive Foundation. Prentice Hall, Englewood

Cliffs, NJ.

LaFreniere, P.J. (2000).Emotional Development: A Biosocial Perspective, Wadsworth.

Widrow, B. and S.D. Stearns (1985).Adaptive Signal Processing, Prentice Hall, Englewood

Cliffs, NJ.

Pagina 5/5

Documents

Sistemi Adattativi e Reti Neurali