⚙️ Simulatore: Neurone Artificiale in una CNN
y = f(∑ wᵢxᵢ + b)
x₁
w₁
x₂
w₂
b
I valori di x variano da -3 a 3 perché, in una CNN, i pixel (0–255) vengono normalizzati prima di entrare nella rete. Il disegno accanto traduce questo valore normalizzato di nuovo in una tonalità di grigio, solo per dare un'intuizione visiva — i numeri che contano per il calcolo sono quelli delle barre.
Campo Recettivo → Convoluzione → Mappa delle Caratteristiche
Attivazione in f(z)
x₁, x₂ = intensità dei pixel nel campo recettivo · w₁, w₂ = pesi del kernel (filtro) · z = risultato della convoluzione in questa posizione · y = valore del pixel prodotto nella mappa delle caratteristiche, dopo l'attivazione.
z = (1.00 × 0.80) + (-1.50 × 0.50) + 0.20 = 0.25 → y = 0.25
Descrizione: Figura 9.3: Simulatore interattivo del neurone artificiale in un contesto di CNN: passa da un neurone di un livello convoluzionale (dove x_i sono intensità di pixel in un campo ricettivo e w_i sono pesi del kernel ) a un neurone di un livello completamente connesso, regolando input, pesi, bias e funzione di attivazione per visualizzare il calcolo di z e dell’output y in tempo reale.