Rete Neurale Residua (ResNet): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| (Una versione intermedia di uno stesso utente non è mostrata) | |||
| Riga 19: | Riga 19: | ||
[[Category:architettura]] | [[Category:architettura]] | ||
{{#seo: | |||
|title=Residual Neural Network | |||
|title_mode=append | |||
|keywords=reti neurali, deep learning, apprendimento profondo, classificazione immagini, ResNet, architettura ResNet, gradienti svanenti, accuratezza, convergenza, transformer | |||
|description=Le Reti Neurali Residuali (ResNet) sono un'architettura di deep learning che ha rivoluzionato il campo della classificazione delle immagini. Introdotte nel 2015, le ResNet risolvono il problema dei gradienti svanenti, consentendo la creazione di reti molto profonde con prestazioni superiori. Scopri come funzionano e le loro applicazioni. | |||
}} | |||
Versione attuale delle 13:47, 17 ago 2024
| Rete Neurale Residua (ResNet) | |
|---|---|
| Nome Inglese | Residual Neural Network |
| Sigla | ResNet |
| Anno Di Creazione | 2015 |
| Pubblicazione | Deep Residual Learning for Image Recognition |
| URL | https://arxiv.org/abs/1512.03385 |
| Topic | Classificazione, Immagini, Reti neurali |
Architettura di rete neurale, originariamente proposta nel 2015 in cui i pesi nei layer imparano una funzione residuale invece che la trasformazione finale. Questo permette ai gradienti di fluire meglio nelle architetture molto profonde, risolvendo il problema dei gradienti che svaniscono o che esplodono e quindi aumentando l'accuratezza e la probabilità di convergenza del modello.
Ha 152 livelli.
Viene utilizzata per esempio nei transformer.
Links
Deep Residual Learning for Image Recognition
https://www.andreaprovino.it/resnet