Reti neurali, ottimizzazione, architetture
Perché le reti neurali profonde per anni non imparavano nulla: il gradiente che si spegne strato dopo strato, il suo…
Una convoluzione è una finestrella di numeri che scorre su un'immagine e risponde a una sola domanda: "qui c'è il…
Per riconoscere un gatto, una rete deve prima dimenticare milioni di pixel. Il pooling è l'arte di buttare via i…
Nel 2015 le reti profonde più di venti strati funzionavano peggio di quelle corte, e nessuno capiva perché. Una connessione…
Le reti ricorrenti sono state la prima idea seria per far leggere a una macchina una sequenza tenendo conto di…
Le reti ricorrenti semplici dimenticano tutto nel giro di poche parole. LSTM e GRU risolvono il problema con un'idea quasi…
Un autoencoder impara a ricostruire i propri input dopo averli fatti passare per una strettoia. Sembra un esercizio inutile, ma…
Un autoencoder classico sa solo ricostruire ciò che ha visto. Il variational autoencoder impara invece uno spazio latente continuo e…
Due reti neurali che si sfidano: una fabbrica falsi, l'altra li smaschera. Dalla competizione emerge la capacità di generare volti,…
Stable Diffusion, DALL-E, Midjourney: i generatori di immagini più diffusi funzionano tutti allo stesso modo — imparano a distruggere una…
