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 dem og sender resultatet videre. Hver inndata tilordnes en vekt, som avgjør hvor viktig den er i nevronets beregning.

Hvordan hvert nevron fungerer kan deles inn i 4 trinn:

1. Mottak av inndata: et nevron tar imot flere inndata, representert som $x_1$, $x_2$, $x_3$, osv.;
2. Påføring av 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 blir senere justert under trening ved hjelp av en metode kalt tilbakepropagering, som vi skal 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 problemet det nevrale nettverket skal løse.

Nevron som del av et nevralt nettverk

Nevronets 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.