Seminario Istituto di Statistica 17-03-05

["Ist. di statistica - Mi" <ist.statistica@unicatt.it>]

> Il Prof. Umberto Magagnoli Direttore dell> '> Istituto di Statistica dell> '> Università Cattolica del Sacro Cuore di Milano, ha il piacere di informarLa che il Dott. Diego Mancuso dell> '> Università Cattolica del Sacro Cuore di Milano, terrà un seminario dal titolo:
> 
> DIFFERENZE TRA LE RETI NEURALI RBF E 
> GLI STIMATORI DI REGRESSIONE DI TIPO KERNEL
> 
> 
> Giovedì 17 Marzo 2005 alle ore 14,30
> 
> Aula Seminari 114 Via Necchi, 9 
> Università Cattolica del Sacro Cuore - Milano
> 
> Segue Sommario e bibliografia essenziale
> 
> Si prega di confermare la propria presenza inviando una e-mail a: ist.statistica@unicatt.it
> 
> Il seminario è gratuito, ma l'iscrizione necessaria ai fini organizzativi.
> Per ulteriori informazioni rivolgersi alla Segreteria Organizzativa:
> Sig.ra Barbara Villa
> Tel. 02-7234.2647
> Fax 02-7234.2671
> e-mail: ist.statistica@unicatt.it
> http://www3.unicatt.it/web/statistica sezione Eventi
> 
> Sommario
> 	Le reti neurali Radial Basis Function (RBF) e lo stimatore kernel di Nadaraya-Watson sono strumenti di regressione non parametrica riconducibili ad un> '> unica espressione. Scopo del seminario è mostrare come, a dispetto di questa circostanza, i due tipi di stimatore possiedono proprietà radicalmente differenti. La discussione partirà dagli stimatori kernel e dai problemi che hanno condotto alla ricerca di strumenti di regressione alternativi come le reti neurali feed-forward. Di queste reti verranno illustrati i principi matematici e statistici di funzionamento e si introdurrà la classe delle reti RBF nella loro versione detta ad apprendimento rapido. Si considera questa classe di particolare interesse in quanto per molti versi esemplare di tutta la famiglia delle reti feed-forward. 
> Dopo aver richiamato la letteratura al riguardo, saranno presentati alcuni risultati concernenti il comportamento asintotico delle reti RBF e il ruolo svolto dal parametro di ampiezza delle funzioni a base radiale utilizzate. In particolare si farà notare come questo parametro sia soggetto a prescrizioni ben diverse da quelle applicate alla finestra dello stimatore di Nadaraya-Watson alla quale formalmente corrisponde. 
> Si concluderà il seminario esponendo le implicazioni dei risultati asintotici presentati sulla teoria delle reti neurali e mostrando dei contesti applicativi in cui le reti RBF permettono di ottenere vantaggi significativi rispetto alla regressione kernel.
> 
> 
> Riferimenti bibliografici
> Gyorfi L., Kohler M., Krzyzak A., Walk H. (2002). A Distribution-Free Theory of Nonparametric Regression, Springer.
> Mancuso D. (2004). Le reti neurali RBF: legami e differenze con i metodi kernel. In Atti Convegno MAF 2004 - Salerno, Università degli studi di Salerno, edizioni Cusl.
> Mancuso D. (2004). Rates of convergence for fast learning RBF neural nets. In Atti XLII Riunione Scientifica SIS, Università degli studi di Bari, CLEUP.
> 


=============================================================================
NOTA:
Le norme per utilizzare il forum SIS e le istruzioni per iscrizione
e cancellazione sono disponibili all'indirizzo
.
.   http://w3.uniroma1.it/sis/forum.asp
.
L'archivio di tutti i messaggi (aggiornato al giorno precedente)
e' disponibile all'indirizzo
.
.   http://www.stat.unipg.it/cgi-bin/wilma/sis/
.
=============================================================================