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

Een **neuron** is de basiseenheid van een neuraal netwerk. Het ontvangt numerieke invoer, verwerkt deze en stuurt een uitvoer door. Elke invoer heeft een **gewicht** dat de belangrijkheid ervan weergeeft.

Definitie

Een neuron werkt in vier hoofd stappen:

1. **Ontvangen van invoer** — het neemt meerdere waarden: $$x_1, x_2, x_3, ...$$
2. **Toepassen van gewichten** — elke invoer wordt vermenigvuldigd met een overeenkomstig gewicht $$w_1, w_2, w_3, ...$$. Gewichten beginnen willekeurig en worden later bijgewerkt tijdens training via **backpropagation**
3. **Sommering** — het neuron berekent de gewogen som: $$w_1x_1 + w_2x_2 + \dots$$
4. **Activatiefunctie** — de som wordt door een functie gehaald die de uitvoer van het neuron produceert, gekozen op basis van de taak.

Alle waarden (inputs, gewichten en outputs) zijn **zwevende-kommagetallen**, meestal variërend van **-1 tot 1**. Als de oorspronkelijke gegevens niet in dit formaat zijn, moeten ze worden voorbewerkt.

Opmerking

## Neuron als onderdeel van een neuraal netwerk

De **output** van het neuron dient als input voor de volgende laag neuronen. Dit proces gaat door meerdere lagen totdat het netwerk een eindresultaat produceert.

Tijdens het trainen past het netwerk de gewichten aan om de **fout** tussen voorspellingen en werkelijke waarden te **verkleinen**.
Wanneer het een fout maakt, worden de gewichten bijgewerkt zodat toekomstige voorspellingen verbeteren.

Door herhaalde aanpassingen **leert** het netwerk patronen in de data en wordt het nauwkeuriger.


Wat geven de gewichten van een neuron aan?

Richt zich op de wiskundige basisprincipes en kernmechanismen van neurale netwerken. Behandelt het implementeren van perceptrons, activatiefuncties, voorwaartse en achterwaartse propagatie, verliesberekening en gradient descent vanaf de basis met Python en NumPy, zonder gebruik te maken van hoog-niveau frameworks. Biedt praktische, hands-on ervaring en diepgaand inzicht in de werking van neurale netwerken op het laagste niveau.

Wat Is Een Neuron?

Enkelvoudige Neuron

Neuron als onderdeel van een neuraal netwerk

1. Wat is een activatiefunctie?

2. Wat geven de gewichten van een neuron aan?

3. Wat is het backpropagatie-algoritme?