Modelli Neuronali per piccoli insiemi di dati

Nel lavoro si affronta il problema della costruzione di modelli statistici di tipo predittivo in situzioni in cui si dispone di un numero esiguo di dati e la relazionen di dipendenza che si vuole stimare è fortemente non lineare. Tipiche applicazioni riguardano le misurazioni indirette o i cosiddetti sensori virtuali. In tali casi il numero di predittori è spesso molto elevato e, a causa della struttura non lineare di dipendenza, non è possibile scegliere opportuni sottoinsiemi di variabili o di loro combinaizoni lineari. Nel presente lavoro tale problema viene affrontato mediante reti neurali a partire dai risultati di Bartlett concernenti le proprietà di generalizzazione di tali modelli. Alcuni criteri operativi vengono infine illustrati mediante due casi di studio concernenti il controllo statistico di qualità