⚙️ Simulateur : Neurone artificiel dans un CNN
y = f(∑ wᵢxᵢ + b)
x₁
w₁
x₂
w₂
b
Les valeurs de x varient de -3 à 3 car, dans un CNN, les pixels (0–255) sont normalisés avant d'entrer dans le réseau. Le schéma à côté retraduit cette valeur normalisée en nuance de gris, juste pour donner une intuition visuelle — les nombres qui comptent pour le calcul sont ceux des barres.
Champ réceptif → Convolution → Carte de caractéristiques
Activation en f(z)
x₁, x₂ = intensité des pixels dans le champ réceptif · w₁, w₂ = poids du noyau (filtre) · z = résultat de la convolution à cette position · y = valeur du pixel produit dans la carte de caractéristiques, après l'activation.
z = (1.00 × 0.80) + (-1.50 × 0.50) + 0.20 = 0.25 → y = 0.25
Description : Figure 9.3: Simulateur interactif du neurone artificiel dans un contexte de CNN : alternez entre un neurone de couche convolutive (où x_i sont des intensités de pixel dans un champ réceptif et w_i sont des poids du kernel ) et un neurone de couche entièrement connectée, en ajustant les entrées, les poids, le biais et la fonction d’activation pour visualiser le calcul de z et de la sortie y en temps réel.