Studio della correlazione tra raggi cosmici ed altri parametri atmosferici mediante l’utilizzo di reti neurali

In base alle modalità con cui i neuroni descritti precedentemente sono collegati tra loro, si distinguono due principali categorie di ANN:

• le reti neurali feed-forward, in cui il flusso dei dati si propaga esclusivamente secondo una direzione: dal layer di input a quello di output, attraversando eventuali strati nascosti. Non essendo presenti connessioni di feedback, sono privi di memoria, per cui l’output al tempo t è determinato unicamente dall’input al tempo t.

• le reti ricorrenti (Recurrent Neural Network, RNN), le quali sono dotate di connessioni di feedback che permettono la ricezione di segnale da neuroni dello stesso strato o da neuroni di strati superiori, rendendo il sistema più complesso e meno stabile; le proprietà dinamiche di questo tipo di rete sono fondamentali: lo stato del sistema, infatti, cambia continuamente dopo ogni input, fino al raggiungimento di uno stato di equilibrio.

Nella Figura 2.6 sono rappresentati due esempi di ANN. In particolare, nella Figura 2.6a, è rappresentata una rete neurale di tipo feed-forward, costituita da un primo layer di input con quattro neuroni, uno strato intermedio con cinque neuroni nascosti e un ultimo layer di output, formato da tre neuroni; nella Figura 2.6b, invece, si può notare che l’output dell’ultimo layer costituisce anche un input per il primo, configurazione tipica di una rete neurale ricorrente [36].