Summary  
This chapter explains how to implement an artificial neuron that computes a weighted sum of inputs, applies an activation function, and how multiple neurons form layers that learn by adjusting weights through backpropagation.  

General domain of usage  
Machine learning

**Neuroni** on neuroverkon perusyksikkö. Se vastaanottaa numeerisia syötteitä, käsittelee ne ja lähettää tuloksen eteenpäin. Jokaisella syötteellä on **painokerroin**, joka kuvastaa sen merkitystä.

Määritelmä

Neuroni toimii neljässä päävaiheessa:

1. **Syötteen vastaanotto** — vastaanottaa useita arvoja: $$x_1, x_2, x_3, ...$$
2. **Painojen soveltaminen** — jokainen syöte kerrotaan vastaavalla painokertoimella $$w_1, w_2, w_3, ...$$. Painot ovat aluksi satunnaisia ja niitä päivitetään myöhemmin koulutuksen aikana **takaisinkytkennän** avulla
3. **Yhteenlasku** — neuroni laskee painotetun summan: $$w_1x_1 + w_2x_2 + \dots$$
4. **Aktivointifunktio** — summa syötetään funktioon, joka tuottaa neuronin lopputuloksen; funktio valitaan tehtävän mukaan.

Kaikki arvot (syötteet, painot ja tulosteet) ovat **liukulukuja**, jotka yleensä vaihtelevat välillä **-1–1**. Jos alkuperäinen data ei ole tässä muodossa, se täytyy esikäsitellä.

Huomio

Neuroniin **tuloste** toimii seuraavan neuronikerroksen syötteenä. Tämä prosessi jatkuu useiden kerrosten läpi, kunnes verkko tuottaa lopullisen tuloksen.

Koulutuksen aikana verkko säätää painoja **vähentääkseen virhettä** ennusteiden ja todellisten arvojen välillä.
Kun verkko tekee virheen, painoja päivitetään, jotta tulevat ennusteet paranevat.

Toistuvien säätöjen kautta verkko **oppia tunnistamaan kaavoja** datasta ja tarkkuus kasvaa.


Mikä on takaisinkytkentäalgoritmi (backpropagation)?

Keskittyy neuroverkkojen matemaattisiin perusteisiin ja ydintoimintoihin. Sisältää perceptronien, aktivointifunktioiden, eteen- ja taaksepäin etenemisen, häviön laskennan sekä gradienttilaskun toteutuksen alusta alkaen Pythonilla ja NumPyllä ilman korkean tason kirjastoja. Tarjoaa käytännönläheistä kokemusta ja syvällistä ymmärrystä neuroverkkojen toiminnasta matalimmalla tasolla.

Mikä on neuroni?

Yksittäinen neuroni

Neuroni osana neuroverkkoa

1. Mikä on aktivointifunktio?

2. Mitä neuronin painot ilmaisevat?

3. Mikä on takaisinkytkentäalgoritmi (backpropagation)?