Neurone Singolo

Un neurone è l'unità fondamentale di una rete neurale, responsabile dell'elaborazione delle informazioni. Riceve dati in ingresso (qualsiasi dato codificato come valori numerici), li elabora e trasmette il risultato in avanti. A ciascun input viene assegnato un peso, che ne determina l'importanza nel calcolo del neurone.

Il funzionamento di ciascun neurone può essere suddiviso in 4 fasi:

1. Ricezione degli input: un neurone riceve molteplici input, rappresentati come $x_1$, $x_2$, $x_3$, ecc.;
2. Applicazione dei pesi: ogni input viene moltiplicato per un peso corrispondente $w_1$, $w_2$, $w_3$, ecc., che ne definisce la rilevanza. Inizialmente, questi pesi sono impostati in modo casuale, ma vengono successivamente modificati durante l'addestramento tramite un metodo chiamato backpropagation, che verrà trattato in seguito;
3. Somma: gli input pesati vengono sommati ($w_1 \times x_1 + w_2 \times x_2 + ...$);
4. Funzione di attivazione: questa somma viene passata attraverso una funzione di attivazione, che la trasforma nell'output del neurone. La scelta della funzione di attivazione dipende dal problema che la rete neurale deve risolvere.

Neurone come Parte di una Rete Neurale

L'output del neurone funge da input per il livello successivo di neuroni. Questo processo continua attraverso più livelli fino a quando la rete non produce un risultato finale.

Durante il processo di apprendimento, i pesi del neurone vengono regolati in modo da minimizzare l'errore tra i valori previsti dalla rete neurale e i valori reali.

Se la rete commette un errore, aggiorna i pesi per migliorare le previsioni future.

Affinando queste connessioni nel tempo, la rete neurale apprende schemi nei dati e migliora la sua accuratezza nel risolvere i compiti.