Sviluppata presso il Laboratorio di Ricerca A.R.T.S. Lab (ADVANCED ROBOTICS TECHNOLOGY AND SYSTEMS LABORATORY) della Scuola Superiore di Studi Universitari e di Perfezionamento S. Anna di PISA, questa Tesi di Laurea affronta uno dei problemi più critici che si incontrano nella progettazione delle reti neurali: la definizione dei parametri architetturali relativi alla rete e all'algoritmo di apprendimento.
L'algoritmo di apprendimento esaminato in questa tesi è quello noto come utilizzato l'addestramento "Back-Propagation", per supervisione di reti neurali multistrato con connessioni feedforward.
Al fine di valutare le prestazioni dell'algoritmo in funzione dei parametri della rete neurale e di quelli tipici della regola di apprendimento utilizzata, è stato realizzato un simulatore di rete neurale che consentisse di sperimentare l'addestramento al variare dei parametri di interesse.
In particolare, gli esperimeti sono stati mirati a valutare in che modo la velocità di convergenza del processo di apprendimento e la capacità di generalizzazione di una rete neurale siano dipendenti dal numero di strati della rete, dal
numero di neuroni nascosti, dal coefficiente di apprendimento eta e dal momento alfa caratteristici della Back Propagation, e dal numero degli esempi contenuti del training set, con cui la rete viene addestrata.