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