3.

Percorsi di apprendimento

L'adattamento dei pesi si realizza nella cosiddetta fase di training o fase di apprendimento della rete. Dapprima vengono introdotti pesi statistici arbitrari e vengono preindicate le unità di elaborazione o unità di risposta della rete. Quindi vengono rinforzate tutte le connessioni tra unità che contribuiscono a una risposta corretta, e indebolite tutte le altre connessioni. Ciò si realizza aumentando o diminuendo i pesi secondo regole definite (ad esempio la regola Hebb). Dopo parecchi percorsi d'apprendimento, emerge nella rete un modello di attivazione riferito a una particolare impostazione del problema in questione. Sulla base di questa struttura una rete neurale può rielaborare problemi sino ad allora non appresi e reagire in modo coerente a input sconosciuti. Si denota questa capacità come 'apprendimento', mentre la struttura di attivazione rappresenta la 'conoscenza' della rete. Le reti neurali sono impiegate ad esempio nel riconoscimento delle strutture nel controllo di immagini, nel rinfoltimento di grandi quantità di dati, oppure nella gestione di semplici processi produttivi.