Le reti neurali nella ricerca sociale
Pagine: 272
ISBN: 9788846430441
Edizione: 1a ristampa 2004, 1a edizione 2001
Codice editore: 1120.12
Disponibilità: Buona
Le reti neurali artificiali sono una famiglia di modelli matematici per il trattamento di informazioni complesse. Al loro sviluppo hanno contribuito discipline scientifiche relativamente distanti tra loro, quali neurofisiologia, psicologia, linguistica, logica formale, teoria della percezione, computer science, cibernetica. Sebbene esse si siano sviluppate, a partire dagli anni '40, come strumento di simulazione di funzioni cerebrali di livello superiore (apprendimento, memoria, riconoscimento vocale e visivo, discriminazione tra stimoli), oggi sono impiegate nei più diversi settori disciplinari: dalla simulazione di scenari alla fisica delle alte energie, dalla metodologia alla finanza.
La loro applicazione alle scienze sociali è ancora sporadica; il volume si propone appunto di introdurre il lettore in questo territorio.
Il testo ha un carattere introduttivo ed è rivolto a ricercatori sociali che hanno familiarità con la metodologia delle scienze sociali senza essere degli specialisti. Due sono le reti presentate: back propagation e constraint satisfaction. Nel primo caso si tratta di reti che funzionano grosso modo come una regressione non lineare, senza però necessità di un modello che specifichi la relazione tra le variabili; nel secondo caso si tratta di reti per la simulazione di scenari, che vengono applicate a titolo esemplificativo allo studio della mobilità sociale.
Cinzia Meraviglia è ricercatrice presso il Dipartimento di Ricerca sociale dell'Università del Piemonte Orientale, dove insegna Metodologia della ricerca sociale presso la Facoltà di Scienze Politiche con sede ad Alessandria. Si occupa dello studio della mobilità sociale e del ruolo del capitale sociale nella riproduzione delle diseguaglianze. Oltre ad aver pubblicato numerosi saggi a carattere metodologico, ha collaborato alla stesura del Quarto Rapporto Iard sulla condizione giovanile (1997) e al volume Reti neurali artificiali e sistemi sociali complessi (1999).
Cos'è una rete neurale?
(Una definizione generale; Una rete è qualcosa di speciale?; Come può un computer riconoscere la scrittura manuale?; A cosa serve una rete "addestrata"?; West Side Story: ipotesi per un finale diverso)
Le origini
(La nascita delle reti; Il perceptron di Rosenblatt; Le critiche e la crisi; Gli anni '80 e la rinascita delle reti)
Gli elementi comuni
(Unità e connessioni; Morfologie di rete; Unità e strati; Lo schema di connessione; La dinamica di unità e connessioni; Input netto; Il bias; Attivazione dell'unità ricevente; Un esempio)
Apprendimento
(Apprendimento naturale e simulazione artificiale; Apprendimento e compiti; Associazione; Individuazione di regolarità; Architetture di rete)
Reti back propagation
Relazioni lineari e non lineari
(Linearità; Non linearità; Il senso della non linearità; Un altro esempio)
Problemi di ottimizzazione
(Cosa significa 'ottimizzare'?; Scendere dalla collina; Il gradiente dell'errore)
Reti back propagation etero-associate
(La fase forward; Esempio; La fase backward; Back propagation e gradiente discendente; Esempio (continuazione); Tre specificità di una rete bp; Una sola architettura, molte tecniche; Una sola architettura per una o più variabili dipendenti; Una sola architettura per qualsiasi tipo di variabile)
Il percorso applicativo di una rete bp
(La fase di apprendimento; Validazione del modello; Selezione degli input; Selezione delle variabili indipendenti; Componenti principali; La fase di testing; Suddivisione del data-set; Validazione dei risultati; Perché addestrare molte reti?)
Le unità nascoste
(Unità nascoste e codifica distribuita; Alcune proprietà della codifica distribuita; Unità nascoste e non separabilità lineare; Un esempio di non separabilità lineare con dati reali; Gli strati nascosti come conversione tra criteri di somiglianza)
Interpretazione dell'output e rilevanza dell'input
(L'output di una rete bp; Output con valori binari; Output con valori compresi in un intervallo definito; Influenza dell'input sull'output; Variabili cardinali; Un esempio con dati reali; Variabili dipendenti categoriali; Variabili indipendenti categoriali)
Le reti constraint satisfaction
(Le reti cs per la ricostruzione di frames; Reti cs per l'estrazione di informazioni; Massimizzazione di vincoli; Il processo di ricerca di uno stato stabile)
Il funzionamento di una rete cs
(Le relazioni tra variabili; La fase di testing; L'aggiornamento delle unità; E se la rete non funziona?; Le relazioni tra unità; La definizione del problema)
Reti cs e mobilità sociale
(La mobilità sociale; Lo sviluppo degli studi di mobilità; Individuo, società e sistemi complessi; Sistemi complessi e analisi statistica; Una critica alle tecniche tradizionali; Path analysis; Modelli log-lineari e logit; Sistemi complessi, reti cs e mobilità)
Un'applicazione delle reti cs
(L'ambito di indagine; Il modello; I dati e le variabili; La stima del modello; Apprendimento; I pesi; L'interrogazione delle reti cs ; Profili tipici; Il ruolo del coniuge: un esempio di profilo tipico; L'ordine di attivazione delle unità; Pesi e sequenza di attivazione; Breve, medio e lungo periodo; Vantaggi e svantaggi).
Collana: Metodologia delle scienze umane, sezione di metodologia dell'associazione italiana di sociologia
Argomenti: Metodologia e tecniche della ricerca sociale
Livello: Textbook, strumenti didattici
Potrebbero interessarti anche
