AI Dictionary › Modelli AI
Livello nascosto
A hidden layer is one of the layers of a neural network located between the input layer and the output layer, and it is not directly observable either from the raw input data or from the model's final result. It is in these intermediate layers that most of the processing and extraction of increasingly abstract data representations takes place.
A hidden layer is one of the layers of a neural network located between the input layer and the output layer, and it is not directly observable either from the raw input data or from the model's final result. It is in these intermediate layers that most of the processing and extraction of increasingly abstract data representations takes place.
Each neuron in a hidden layer receives as input the values produced by the previous layer, combines them through a learned weight matrix and applies a non-linear activation function, producing a new set of values that will be passed to the next layer. By stacking multiple hidden layers, the network can build increasingly complex representations: in networks that process images, the first hidden layers tend to recognize simple patterns like edges and textures, while deeper layers recognize shapes and whole objects.
It is an element present in every neural network with more than one layer, from simple multilayer perceptrons to the deep architectures used in modern language models, where the number and size of hidden layers are among the most determining architectural choices for the model's overall capacity.
The term "hidden" describes the fact that these layers are not directly visible or interpretable from the outside, unlike the input, which corresponds to raw data, and the output, which corresponds to the produced result: the intermediate values computed in hidden layers do not have an immediately readable meaning to a human observer.
Il livello nascosto è ciascuno degli strati di una rete neurale che si trova tra il livello di input e il livello di output, e che non è direttamente osservabile né dai dati grezzi in ingresso né dal risultato finale prodotto dal modello. È in questi strati intermedi che avviene la maggior parte dell'elaborazione e dell'estrazione di rappresentazioni via via più astratte dei dati.
Ciascun neurone di un livello nascosto riceve in input i valori prodotti dallo strato precedente, li combina tramite una matrice di pesi appresa e applica una funzione di attivazione non lineare, producendo un nuovo insieme di valori che verrà passato allo strato successivo. Impilando più livelli nascosti, la rete può costruire rappresentazioni sempre più complesse: nelle reti che elaborano immagini, i primi livelli nascosti tendono a riconoscere pattern semplici come bordi e texture, mentre i livelli più profondi riconoscono forme e oggetti interi.
È un elemento presente in ogni rete neurale con più di uno strato, dai semplici percettroni multistrato alle architetture profonde usate nei modelli linguistici moderni, dove il numero e la dimensione dei livelli nascosti sono tra le scelte architetturali più determinanti per la capacità complessiva del modello.
Il termine "nascosto" descrive il fatto che questi strati non sono direttamente visibili o interpretabili dall'esterno, a differenza dell'input, che corrisponde ai dati grezzi, e dell'output, che corrisponde al risultato prodotto: i valori intermedi calcolati nei livelli nascosti non hanno un significato immediatamente leggibile per un osservatore umano.
From our network
Magellano GPS — Fleet Tracking Made Simple
Real-time GPS tracking, remote engine lock, fuel and CO₂ reporting for your fleet.
Visit magellanogps.com →From the Agora Intelligence blog
📱 Download the Android app (beta) iOS coming soon
Say what you mean. Get what you need.
Grace Certified — the AI coach that trains and certifies your prompt engineering — by Agora Intelligence.