🤾🏿 🙇 🚶🏾 Redes neurais artificiais. Parte 1 🎳 💤 🏂

Neurônio

Neste artigo, você aprenderá o básico de como funcionam os neurônios artificiais. Em artigos subsequentes, aprenderemos o básico sobre redes neurais e escreveremos uma rede neural simples em python.

As redes neurais são compostas de neurônios conectados uns aos outros, portanto, um neurônio é a parte principal de uma rede neural. Os neurônios realizam apenas 2 ações: eles multiplicam os dados de entrada pelos pesos e os somam e somam o bias, e a segunda ação é a ativação.

Agora mais sobre os dados de entrada, pesos, vieses e a função de ativação.

Os dados de entrada são dados que um neurônio recebe de neurônios anteriores ou do usuário.

Pesos são atribuídos a cada entrada do neurônio, inicialmente eles são atribuídos a números aleatórios. Ao treinar uma rede neural, o valor dos neurônios e dos deslocamentos muda. Os pesos são multiplicados pelos dados de entrada que são fornecidos ao neurônio.

Os deslocamentos são atribuídos a cada neurônio, assim como os pesos do viés inicial, são números aleatórios. Os deslocamentos tornam mais fácil e rápido treinar a rede neural.

A função de ativação que usaremos em nossa rede neural é chamada sigmóide. A fórmula sigmóide é:

$f (x) = \ frac {1} {1 + e ^ {- x}}$

Esta função envolve qualquer número de -∞ a + ∞ no intervalo de 0 a 1.

Se descrevermos matematicamente as tarefas que o neurônio realiza, obteremos 2 fórmulas: Notação:

f (x) - função de ativação

x - a soma do produto dos dados de entrada com os pesos e o viés

i - matriz de dados de entrada

w -

b -

j -

$f (x) = \ frac {1} {1 + e ^ {- x}}$

python.

numpy. Linux Window:

pip install numpy

import numpy as np

Neuron, :

class Neuron:
    def __init__(self, number_of_weights = 1):

        self.w = np.random.normal(size=number_of_weights)
        self.b = np.random.normal()

, , . . :

def activate(self, inputs):
        
        x = np.dot(self.w, inputs) + self.b
        
        return sig(x)

, . :

def sig(x):
  return 1 / (1 + np.exp(-x))

Math.py

numpy:

import numpy as np

Neuron.py. Neuron.py Math.py:

from Math import *

2 :

Neuron.py

import numpy as np

from Math import *

class Neuron:
    def __init__(self, number_of_weights = 1):

        self.w = np.random.normal(size=number_of_weights)
        self.b = np.random.normal()
        
    def activate(self, inputs):
        
        x = np.dot(self.w, inputs) + self.b
        
        return sig(x)

Math.py

import numpy as np

def sig(x):
  return 1 / (1 + np.exp(-x))

, :

,
Python

- .

Redes neurais artificiais. Parte 1

Neurônio

More articles: