Pemberat, Bias dan Jumlah Berwajaran

Neuron ialah unit paling kecil dalam rangkaian neural. Ia menerima beberapa nombor dan menghasilkan satu nombor. Itulah keseluruhan tugasnya. 🧠

Setiap neuron menerima input dalam bentuk nombor, seperti kecerahan piksel atau harga. Apa-apa yang boleh diukur boleh menjadi input kepada neuron.

Setiap input dipadankan dengan pemberat yang menunjukkan kepentingannya. Pemberat besar bermaksud pengaruh kuat; pemberat kecil bermaksud neuron kebanyakannya mengabaikannya.

Neuron mendarab setiap input dengan pemberatnya, kemudian menjumlahkan hasilnya. Jumlah terkumpul ini ialah inti jumlah berwajaran.

Pincang ialah nombor tambahan yang ditambah pada penghujungnya. Ia menganjak hasil ke atas atau ke bawah supaya neuron boleh aktif walaupun input bernilai sifar.

Gabungkan semuanya dan anda memperoleh baris terkenal w·x + b. Pemberat didarab dengan input, kemudian ditambah pincang. Hampir setiap lapisan dalam pembelajaran mendalam bermula di sini.

Jumlah pemberat-darab-input itu tepatnya ialah hasil darab titik. Menulisnya sebagai w·x membolehkan anda mengendalikan dua input atau dua ribu input dengan idea yang sama.

Inilah jumlah berwajaran dalam Python biasa. Ulangi pemberat dan input berpasangan, darabkan, kemudian kumpulkan jumlahnya.

Nombor akhir ialah skor: nilai lebih tinggi bermaksud neuron cenderung berkata ya, manakala nilai lebih rendah bermaksud ia cenderung berkata tidak. Langkah seterusnya menukar skor ini menjadi keputusan sebenar.

Anda tidak memilih pemberat secara manual. Latihan melaraskan setiap pemberat ke atas atau ke bawah sehingga skor neuron sepadan dengan jawapan yang anda kehendaki.

Pincang yang tinggi menjadikan neuron cepat berkata ya; pincang yang rendah menjadikannya berhati-hati. Ia menetapkan garis dasar sebelum sebarang input tiba.

Neuron mendarab masukan dengan pemberat, menjumlahkannya, kemudian menambah pincangan: w·x + b. Pemberat menentukan kepentingan, pincangan menetapkan garis dasar, dan hasilnya ialah skor. 🎯