Le nostre spedizioni verranno sospese per la pausa natalizia dal 19 dicembre al 6 gennaio.
Gli ordini ricevuti in questo periodo verranno fatturati e spediti dal 7 gennaio.
Reti neuronali e metodi statistici

A cura di: Salvatore Ingrassia, Cristina Davino

Reti neuronali e metodi statistici

Edizione a stampa

24,50

Pagine: 240

ISBN: 9788846437037

Edizione: 1a edizione 2002

Codice editore: 1340.70

Disponibilità: Esaurito

Questo volume raccoglie i testi, rivisti e ampliati, delle lezioni svolte nell'ambito della Scuola patrocinata dalla Società Italiana di Statistica su "Reti neuronali e metodi statistici", svoltasi presso il Dipartimento di Matematica e Statistica dell'Università di Napoli "Federico II" (3-5 dicembre 2000)

Attraverso i contributi di diversi autori esperti del settore, viene qui presentata un'ampia e dettagliata introduzione alle reti neuronali - dai percettroni multistrato alle mappe di Kohonen - con particolare riferimento alle applicazioni statistiche e al confronto con le metodologie statistiche tradizionali. Due appendici sono inoltre state dedicate al software per le reti neuronali e una bibliografia con oltre 250 referenze offre agli studiosi interessati molteplici spunti per ulteriori approfondimenti.

Il volume si rivolge a laureati, dottorandi e giovani ricercatori provenienti dal mondo accademico o aziendale, ma anche a tutti coloro che sono interessati all'approfondimento delle sinergie derivanti da un uso congiunto della statistica e delle reti neuronali.

Salvatore Ingrassia ha conseguito il dottorato in Matematica applicata e informatica e ha successivamente perfezionato gli studi nell'équipe del Départment d'Intelligence Artificielle et Mathématiques presso l'Ecole Normale Supérieure de Cachan (Francia). È professore ordinario di Statistica presso l'Università degli Studi della Calabria. È autore di numerose pubblicazioni su temi di probabilità e statistica metodologica, con particolare riferimento ad algoritmi stocastici, analisi dei dati e reti neuronali.

Cristina Davino , dottore di ricerca in Statistica computazionale, svolge attività di ricerca presso il Dipartimento di Matematica e Statistica dell'Università di Napoli "Federico II". È professore a contratto di Statistica presso la Facoltà di Scienze politiche dell'Università di Macerata. I suoi contributi, presentati a convegni nazionali e internazionali e pubblicati su volumi e riviste, riguardano principalmente l'analisi multidimensionale dei dati, le reti neuronali e le regole di associazione.


 Carlo N. Lauro , Prefazione
Salvatore Ingrassia , Introduzione all'apprendimento statistico
(Un nuovo paradigma inferenziale; Dipendenza statistica e causalità; Un modello generale di apprendimento; Alcuni importanti casi particolari; Il principio induttivo di MRE; La scelta della famiglia G; La dimensione di Vapnik-Chervonenkis; Il principio induttivo di MRS; Insiemi di apprendimento, convalida e controllo; Cenni sulla combinazioni di modelli)
Cristina Davino, Domenico Vistocco , Il neurone artificiale
(Il modello di neurone biologico; Le reti neuronali; Le funzioni caratteristiche di un neurone artificiale; Topologia delle Reti Neuronali; Qualche parola sull'apprendimento)
Salvatore Ingrassia , I percettroni multistrato (Reti MLP)
(Modelli statistici e rappresentazioni grafiche; Funzioni di attivazione; Regressione e classificazione non lineare; Percettroni multistrato (Reti MLP))
Salvatore Ingrassia , Apprendimento per reti MLP
(Il problema dell'apprendimento; Funzioni di errore e stime di massima verosimiglianza; Aspetti e algoritmi di ottimizzazione numerica; Aspetti pratici dell'apprendimento; La decomposizione distorsione-varianza dell'errore quadratico medio)
Cristina Davino , Metodi statistici per la costruzione e selezione dei modelli neuronali
(Il pre-processing dei dati; La selezione dell'architettura; La stabilità dei risultati)
Cristina Davino , Reti neuronali e analisi dei dati multidimensionali
(Le Reti Neuronali e la Statistica; Metodologie confermative; Metodologie esplorative)
Cira Perna, Francesco Giordano , Reti neurali artificiali per l'analisi delle serie storiche
(Il modello utilizzato e le ipotesi; Le reti feed-forward: generalità; La scelta di una topologia di rete; La stima dei parametri; La valutazione della performance della rete neurale; Alcuni problemi nell'applicazione delle reti neurali all'analisi storiche; Alcuni casi studio)
Isabella Morlini , Le reti con funzioni a base radiali (Reti RBF)
(Reti RBF normalizzate (NRBF); Modelli statistici e reti RBF; Confronto fra reti MLP e RBF)
Isabella Morlini , Apprendimento in due fasi per reti RBF
(Forward selection; Minimi quadrati ortogonali; Forward selection con regolarizzazione; Minimi quadrati ortogonali con regolarizzazione; Il metodo delle k-medie; L'algoritmo EM; Apprendimento on-line; Cenni sull'apprendimento Bayesiano)
Domenico Vistocco , Mappe di Kohonen
(L'idea di base; Il modello e l'algoritmo di funzionamento; Strumenti di visualizzazione; Alcuni accorgimenti pratici)
Cristina Davino , Il software per le reti neuronali
(Una panoramica sui software per le reti neuronali; Un'indagine sul software per le reti neuronali; Un confronto tra software per le reti neuronali; Una valutazione dei software per le reti neuronali; Le reti in rete)
Francesca Perino, Michelangelo Viterbo, A Neural Network Toolbox di Matlab: un esempio applicativo
(Introduzione a MATLAB e al Toolbox di Reti Neuronali; Descrizione dell'applicazione)

Collana: Scientifica