Skip to content

Tecniche di classificazione basate sulla separazione sferica di insiemi

Informazioni tesi

  Autore: Salvatore Tucci
  Tipo: Laurea liv.I
  Anno: 2003-04
  Università: Università degli Studi della Calabria
  Facoltà: Ingegneria
  Corso: Ingegneria gestionale
  Relatore: Manlio Gaudioso
  Lingua: Italiano
  Num. pagine: 53

La costruzione di macchine capaci di apprendere da esperienze è stato per molto tempo oggetto di dibattiti sia filosofici che tecnici. L’aspetto tecnico di queste discussioni ha ricevuto un impulso significativo dopo l’avvento dei calcolatori elettronici, i quali hanno dimostrato che le macchine possono mostrare un elevato livello di abilità d’apprendimento, sebbene i limiti e le possibilità di queste abilità siano ancora molto lontani dall’essere definiti in modo chiaro ed esplicito.
La disponibilità di sistemi learning affidabili è d’importanza strategica, poiché esistono tipi di problemi che non possono essere risolti da tecniche classiche di programmazione, giacché per essi non sempre sono presenti modelli matematici attendibili.
Generalmente, quando sono utilizzati calcolatori e software di risoluzione per problemi di natura pratica, gli algoritmi che permettono di raggiungere dei risultati (output) a partire da dati d’ingresso (input) sono descritti in modo rigoroso e preciso: l’obiettivo di chi analizza il sistema è dare delle specifiche esplicite al programmatore che implementa il codice, in modo tale da definire una sequenza d’istruzioni che i computer eseguono step by step.
I computer, quindi, elaborano dati cercando di risolvere problemi molto complessi; comunque, nella realtà esistono situazioni che non possono essere affrontate con algoritmi matematici specifici, o per l’elevato costo computazionale che essi comportano o per la natura delle stesse; prendiamo ad esempio la modellazione di reazioni chimiche complesse, dove non si conosce esattamente l’interazione dei differenti reagenti, o la classificazione dei tipi di proteine, basata sulla sequenza del DNA da cui sono state generate. Questi problemi non possono essere risolti tramite l’approccio tradizionale di programmazione dal momento che non è possibile specificare con precisione il modello matematico che restituisce l’output del sistema, nonostante se ne conosca l’input.
Una strategia alternativa per la risoluzione di questi tipi di problemi è per i calcolatori tentare di apprendere (learn) la funzione input/output da determinati esempi; quest’approccio è conosciuto come metodologia learning, mentre gli esempi sono detti training data.
Infatti, le coppie input/output tipicamente riflettono una relazione funzionale che colleghi gli ingressi alle uscite, sebbene spesso le stesse uscite siano alterate da disturbi; questa funzione è detta target function. Nei problemi di classificazione, la stima di questa funzione o il valore che fuoriesce dall’applicazione di un algoritmo learning è detto decision function. Di solito, si sceglie la funzione da un insieme particolare di funzioni candidate dette ipotesi. Quindi, due aspetti fondamentali di questa strategia sono la scelta della classe delle ipotesi e l’algoritmo che utilizza come dati di ingresso i training data.
Negli esempi precedenti, gli output potrebbero essere un numero finito di categorie per la classificazione dei tipi di proteine, e le concentrazioni dei reagenti nel modello di una reazione chimica.
La qualità di un algoritmo learning si misura, utilizzando il cross-validation protocol, con il valor medio di correttezza sui training set e testing set; tutto questo include quindi la presenza inevitabile di errori sia nella fase di training che di testing, derivabile essenzialmente da due problemi: a) non sempre la funzione che cerchiamo è di semplice rappresentazione e perciò di facile verifica; b) spesso i dati di training non sono corretti, con la conseguenza di avere una funzione che rappresenti in modo sbagliato il legame input/output.
Gli svantaggi della metodologia learning sono quindi molti e tutti meritevoli di analisi e studi attenti e approfonditi; un possibile inconveniente, per esempio, deriva dalla scelta sbagliata della funzione da una classe non sufficientemente ricca, oppure eccessivamente grande tanto da rendere proibitiva la complessità d’apprendimento. A causa, perciò, di queste difficoltà sono evidenti le severe restrizioni sui possibili campi d’applicabilità di quest’approccio.
A dispetto di questi inconvenienti, però, esistono vantaggi incredibili dallo studio e dall’utilizzo del Learning: innanzi tutto, come detto sopra, la possibilità di analizzare sistemi reali altamente complessi e non modellabili, e quindi il vasto range di applicazione su problemi che non potrebbero essere risolti dalle tecniche usuali, ed inoltre l’evidente mole di lavoro di progettazione e programmazione, che queste tecniche comportano e che può essere evitato.
In questo campo un significativo passo in avanti è stato fatto dallo sviluppo delle Support Vector Machines (SVMs), un insieme di sistemi learning che utilizzano uno spazio di funzioni lineari (ipotesi) in uno spazio caratteristico ad alta dimensione, in cui applicano algoritmi derivanti da teorie di ottimizzazione.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
2 Introduzione La metodologia learning La costruzione di macchine capaci di apprendere da esperienze è stato per molto tempo oggetto di dibattiti sia filosofici che tecnici. L’aspetto tecnico di queste discussioni ha ricevuto un impulso significativo dopo l’avvento dei calcolatori elettronici, i quali hanno dimostrato che le macchine possono mostrare un elevato livello di abilità d’apprendimento, sebbene i limiti e le possibilità di queste abilità siano ancora molto lontani dall’essere definiti in modo chiaro ed esplicito. La disponibilità di sistemi learning affidabili è d’importanza strategica, poiché esistono tipi di problemi che non possono essere risolti da tecniche classiche di programmazione, giacché per essi non sempre sono presenti modelli matematici attendibili. Generalmente, quando sono utilizzati calcolatori e software di risoluzione per problemi di natura pratica, gli algoritmi che permettono di raggiungere dei risultati (output) a partire da dati d’ingresso (input) sono descritti in modo rigoroso e preciso: l’obiettivo di chi analizza il sistema è dare delle specifiche esplicite al programmatore che implementa il codice, in modo tale da definire una sequenza d’istruzioni che i computer eseguono step by step. I computer, quindi, elaborano dati cercando di risolvere problemi molto complessi; comunque, nella realtà esistono situazioni che non possono essere

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

macchine learning
problemi di classificazione
reti neurali
separazione sferica
support vector machines

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi