Che cos’è un RNN? Rete neurale ricorrente

• Che cos’è un RNN? Questo è ciò che ti spiegheremo rapidamente e in dettaglio, utilizziamo le reti neurali ricorrenti più di quanto immaginiamo.
• I prodotti che usiamo un po’ come Siri di Apple o un traduttore di testo utilizzano una rete neurale ricorrente.

Esistono diverse reti neurali, una di queste è la Recurrent Neural Network. Ma cos’è un RNN? È proprio la domanda che andremo a chiarire nel prossimo articolo. Fate molta attenzione che, in genere, li usiamo più di quanto immaginiamo.

Che cos’è un RNN? Rete neurale ricorrente

RNN sta per Recurrent Neural Network, è una Recurrent Neural Network in grado di elaborare dati sequenziali, riconoscere pattern e prevedere il risultato finale.

Si chiama ricorrente perché è in grado di svolgere continuamente lo stesso compito o operazione su una sequenza di input. Un RNN ha una memoria interna che ti dà la possibilità di tagliare e memorizzare varie informazioni allo stesso tempo, il che aiuta il sistema a ottenere il contesto.

Ciò significa che se si dispone di dati sequenziali come una serie temporale, un RNN è un’ottima idea per l’elaborazione di tali dati. Questo non può essere fatto con una CNN o reti neurali di potenza, il problema è che non possono classificare la correlazione tra un input precedente e il successivo.

Esistono diversi prodotti noti che utilizzano RNN per elaborare l’input dei propri utenti e prevederne l’output, i casi più noti sarebbero Google e Siri di Apple.

Come funziona un RNN o una rete neurale ricorrente?

Logicamente, l’idea è salvare l’output del livello specifico e restituire l’input per prevedere l’output del livello. Sì, sappiamo che può sembrare complicato. Ma possiamo vedere un semplice esempio di come una rete neurale diretta può essere trasformata in una rete neurale ricorrente.

Sul lato sinistro dell’immagine che possiamo vedere sopra, vedremo quanto segue:

• X – sarebbe il livello di input.
• H – è il livello nascosto che ha le informazioni di output precedenti e il feedback stesso.
• Y – è il livello di output.
• Nel caso di A, B, C questi sono i parametri per migliorare l’output del modello.

Nella seguente GIF animata, possiamo vedere chiaramente un esempio di una rete neurale ricorrente connessa.

Le reti neurali ricorrenti (RNN) condividono lo stesso parametro di peso in ciascuno dei livelli di rete; mentre le reti feed-through hanno generalmente pesi diversi in corrispondenza di ciascun nodo.

Casi in cui vengono utilizzate reti neurali ricorrenti

Esistono diversi casi in cui viene utilizzato un RNN, in quanto può essere utilizzato per creare un modello di deep learning. Uno dei più chiari e semplici potrebbe essere tradurre un testo da una lingua all’altra senza la necessità dell’intervento umano.

Un altro caso sarebbe il riconoscimento vocale automatico ( ASR) che è in grado di elaborare la voce umana in un formato scritto o testuale. Esistono due tipi di riconoscimento vocale; quello che lo trasforma in testo e quello che identifica la voce dell’utente.