Neurônio Único

Um neurônio é a unidade fundamental de uma rede neural, responsável pelo processamento de informações. Ele recebe dados de entrada (quaisquer dados codificados como valores numéricos), processa-os e encaminha o resultado adiante. Cada entrada recebe um peso, que determina sua importância no cálculo do neurônio.

O funcionamento de cada neurônio pode ser dividido em 4 etapas:

1. Recebimento de entradas: um neurônio recebe múltiplas entradas, representadas como $x_1$, $x_2$, $x_3$, etc;
2. Aplicação de pesos: cada entrada é multiplicada por um peso correspondente $w_1$, $w_2$, $w_3$, etc., que define sua relevância. Inicialmente, esses pesos são definidos aleatoriamente, mas posteriormente são ajustados durante o treinamento utilizando um método chamado retropropagação, que será abordado posteriormente;
3. Soma: as entradas ponderadas são somadas ($w_1 \times x_1 + w_2 \times x_2 + ...$);
4. Função de ativação: essa soma é passada por uma função de ativação, que a transforma na saída do neurônio. A escolha da função de ativação depende do problema que a rede neural está tentando resolver.

Neurônio como Parte de uma Rede Neural

A saída do neurônio serve como entrada para a próxima camada de neurônios. Esse processo continua por várias camadas até que a rede produza um resultado final.

Durante o processo de aprendizado, os pesos do neurônio são ajustados de forma a minimizar o erro entre os valores previstos pela rede neural e os valores reais.

Se a rede comete um erro, ela atualiza os pesos para melhorar as previsões futuras.

Aprimorando essas conexões ao longo do tempo, a rede neural aprende padrões nos dados e melhora sua precisão na resolução de tarefas.