Enkelt Nevron

Et nevron er den grunnleggende enheten i et nevralt nettverk, ansvarlig for informasjonsbehandling. Det mottar inndata (enhver data kodet som numeriske verdier), behandler disse, og sender resultatet videre. Hver inndata tilordnes en vekt, som avgjør hvor viktig den er i nevronets beregning.

Måten hvert nevron fungerer på kan deles inn i 4 trinn:

1. Motta inndata: et nevron tar imot flere inndata, representert som $x_1$, $x_2$, $x_3$, osv.;
2. Påføre vekter: hver inndata multipliseres med en tilsvarende vekt $w_1$, $w_2$, $w_3$, osv., som definerer dens betydning. I starten settes disse vektene tilfeldig, men de justeres senere under trening ved hjelp av en metode kalt backpropagation, som vi vil gjennomgå senere;
3. Summering: de vektede inndataene summeres ($w_1 \times x_1 + w_2 \times x_2 + ...$);
4. Aktiveringsfunksjon: denne summen sendes gjennom en aktiveringsfunksjon, som omformer den til nevronets utdata. Valg av aktiveringsfunksjon avhenger av hvilket problem det nevrale nettverket skal løse.

Nevron som del av et nevralt nettverk

Neuronens utgang fungerer som inngang for neste lag med nevroner. Denne prosessen fortsetter gjennom flere lag til nettverket produserer et endelig resultat.

Under læringsprosessen justeres vektene til nevronet slik at de minimerer feilen mellom verdiene som er forutsagt av nevrale nettverket og de faktiske verdiene.

Hvis nettverket gjør en feil, oppdateres vektene for å forbedre fremtidige prediksjoner.

Ved å forbedre disse forbindelsene over tid, lærer det nevrale nettverket mønstre i dataene og øker nøyaktigheten i å løse oppgaver.