Funzione di attivazione - Cronologia

Mindmakerbot il 13:46, 17 ago 2024

2024-08-17T13:46:58Z

← Versione meno recente		Versione delle 13:46, 17 ago 2024
Riga 13:		Riga 13:
	\|title=Funzione di attivazione		\|title=Funzione di attivazione
	\|title_mode=append		\|title_mode=append
	\|keywords="funzione di attivazione", "rete neurale", "neurone artificiale", "sigmoide", "relu", "gelu", "approssimatore universale", "intelligenza artificiale", "machine learning", "deep learning"		\|keywords=funzione di attivazione, "rete neurale", "neurone artificiale", "sigmoide", "relu", "gelu", "approssimatore universale", "intelligenza artificiale", "machine learning", "deep learning"
	\|description="Una funzione di attivazione è una funzione matematica utilizzata nelle reti neurali artificiali per introdurre non linearità nell'output dei neuroni. Questo articolo esplora diverse funzioni di attivazione come Sigmoide, RELU e GELU, spiegandone l'importanza nel rendere le reti neurali capaci di approssimare qualsiasi funzione."		\|description=Una funzione di attivazione è una funzione matematica utilizzata nelle reti neurali artificiali per introdurre non linearità nell'output dei neuroni. Questo articolo esplora diverse funzioni di attivazione come Sigmoide, RELU e GELU, spiegandone l'importanza nel rendere le reti neurali capaci di approssimare qualsiasi funzione.

	}}		}}

Mindmakerbot il 13:29, 17 ago 2024

2024-08-17T13:29:41Z

← Versione meno recente		Versione delle 13:29, 17 ago 2024
Riga 9:		Riga 9:
	* RELU (1969): https://ieeexplore.ieee.org/document/4082265		* RELU (1969): https://ieeexplore.ieee.org/document/4082265
	* GELU (2016): https://arxiv.org/abs/1606.08415		* GELU (2016): https://arxiv.org/abs/1606.08415

			{{#seo:
			\|title=Funzione di attivazione
			\|title_mode=append
			\|keywords="funzione di attivazione", "rete neurale", "neurone artificiale", "sigmoide", "relu", "gelu", "approssimatore universale", "intelligenza artificiale", "machine learning", "deep learning"
			\|description="Una funzione di attivazione è una funzione matematica utilizzata nelle reti neurali artificiali per introdurre non linearità nell'output dei neuroni. Questo articolo esplora diverse funzioni di attivazione come Sigmoide, RELU e GELU, spiegandone l'importanza nel rendere le reti neurali capaci di approssimare qualsiasi funzione."

			}}

Mindmakerbot il 11:18, 17 ago 2024

2024-08-17T11:18:02Z

← Versione meno recente		Versione delle 11:18, 17 ago 2024
Riga 1:		Riga 1:
	~~Nome: [[Nome::Funzione di attivazione]]~~		{{Template concetto
			\|NomeInglese=Activation function
	~~Nome inglese: [[~~NomeInglese::Activation function]]		}}


	Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle [[Rete Neurale Artificiale (ANN)\|reti neurali]] di essere degli approssimatori universali di funzione.		Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle [[Rete Neurale Artificiale (ANN)\|reti neurali]] di essere degli approssimatori universali di funzione.

Riga 11:		Riga 9:
	* RELU (1969): https://ieeexplore.ieee.org/document/4082265		* RELU (1969): https://ieeexplore.ieee.org/document/4082265
	* GELU (2016): https://arxiv.org/abs/1606.08415		* GELU (2016): https://arxiv.org/abs/1606.08415

	~~[[Category:concetto]]~~

	~~__SHOWFACTBOX__~~

Sara Maserati il 10:44, 11 apr 2024

2024-04-11T10:44:07Z

← Versione meno recente		Versione delle 10:44, 11 apr 2024
Riga 1:		Riga 1:
			Nome: [[Nome::Funzione di attivazione]]

			Nome inglese: [[NomeInglese::Activation function]]


	Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle [[Rete Neurale Artificiale (ANN)\|reti neurali]] di essere degli approssimatori universali di funzione.		Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle [[Rete Neurale Artificiale (ANN)\|reti neurali]] di essere degli approssimatori universali di funzione.

Riga 8:		Riga 13:

	[[Category:concetto]]		[[Category:concetto]]

			__SHOWFACTBOX__

Alesaccoia il 11:31, 3 apr 2024

2024-04-03T11:31:28Z

← Versione meno recente		Versione delle 11:31, 3 apr 2024
Riga 6:		Riga 6:
	* RELU (1969): https://ieeexplore.ieee.org/document/4082265		* RELU (1969): https://ieeexplore.ieee.org/document/4082265
	* GELU (2016): https://arxiv.org/abs/1606.08415		* GELU (2016): https://arxiv.org/abs/1606.08415

			[[Category:concetto]]

Alesaccoia: Creata pagina con "Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle reti neurali di essere degli approssimatori universali di funzione. Le funzioni di attivazione più importanti sono: * Sigmoide * RELU (1969): https://ieeexplore.ieee.org/document/4082265 * GELU (2016): https://arxiv.org/abs/1606.08415"

2024-04-03T11:31:16Z

Creata pagina con "Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle reti neurali di essere degli approssimatori universali di funzione. Le funzioni di attivazione più importanti sono: * Sigmoide * RELU (1969): https://ieeexplore.ieee.org/document/4082265 * GELU (2016): https://arxiv.org/abs/1606.08415"

Nuova pagina

Funzione matematica posta all'uscita dei neuroni artificiali che ne modifica l'intervallo del segnale di uscita. E' normalmente una funzione non lineare, che permette alle [[Rete Neurale Artificiale (ANN)|reti neurali]] di essere degli approssimatori universali di funzione.

Le funzioni di attivazione più importanti sono:

* [[Sigmoide]]
* RELU (1969): https://ieeexplore.ieee.org/document/4082265
* GELU (2016): https://arxiv.org/abs/1606.08415