⚙️ Simulador: Neurona Artificial en una CNN
y = f(∑ wᵢxᵢ + b)
x₁
w₁
x₂
w₂
b
Los valores de x varían de -3 a 3 porque, en una CNN, los píxeles (0–255) se normalizan antes de entrar a la red. El dibujo al lado traduce ese valor normalizado de vuelta a un tono de gris, solo para dar intuición visual — los números que valen para el cálculo son los de las barras.
Campo Receptivo → Convolución → Mapa de Características
Activación en f(z)
x₁, x₂ = intensidad de los píxeles en el campo receptivo · w₁, w₂ = pesos del kernel (filtro) · z = resultado de la convolución en esta posición · y = valor del píxel producido en el mapa de características, tras la activación.
z = (1.00 × 0.80) + (-1.50 × 0.50) + 0.20 = 0.25 → y = 0.25
Descripción: Figura 9.3: Simulador interactivo de la Neurona Artificial en contexto de CNN: alterne entre una neurona de capa convolucional (donde x_i son intensidades de píxel en un campo receptivo y w_i son pesos del kernel ) y una neurona de capa totalmente conectada, ajustando entradas, pesos, sesgo y función de activación para visualizar el cálculo de z y de la salida y en tiempo real.