Un neurone artificiale è identificabile nel percettrone (o perceptron, nodo): un modello matematico ispirato al neurone biologico sviluppato inizialmente da Frank Rosenblatt (Percettrone di Rosenblatt) nel 1957, nello specifico: è un algoritmo per l'apprendimento di un classificatore lineare a soglia, con dati binari multipli in entrata e un singolo dato binario in uscita. Un numero opportuno di nodi, connessi tra loro formano una rete neurale in grado di calcolare funzioni booleane.
Struttura
- Il neurone riceve dei segnali in input
. - Ogni input è moltiplicato per un peso
- La somma ponderata degli input viene calcolata aggiungendo un termine di bias
: - Il risultato
viene passato attraverso una funzione di attivazione non lineare (sigmoide, ReLU, ecc..) per ottenere l’output finale del neurone.
