⚙️ Simulador: Neurônio Artificial em uma CNN
y = f(∑ wᵢxᵢ + b)
x₁
w₁
x₂
w₂
b
Os valores de x variam de -3 a 3 porque, em uma CNN, os pixels (0–255) são normalizados antes de entrar na rede. O desenho ao lado traduz esse valor normalizado de volta em um tom de cinza, só para dar intuição visual — os números que valem para a conta são os das barras.
Campo Receptivo → Convolução → Mapa de Características
Ativação em f(z)
x₁, x₂ = intensidade dos pixels no campo receptivo · w₁, w₂ = pesos do kernel (filtro) · z = resultado da convolução nesta posição · y = valor do pixel produzido no mapa de características, após a ativação.
z = (1.00 × 0.80) + (-1.50 × 0.50) + 0.20 = 0.25 → y = 0.25
Descrição: Figura 9.3: Simulador interativo do Neurônio Artificial em contexto de CNN: alterne entre um neurônio de camada convolucional (onde x_i são intensidades de pixel em um campo receptivo e w_i são pesos do kernel ) e um neurônio de camada totalmente conectada, ajustando entradas, pesos, viés e função de ativação para visualizar o cálculo de z e da saída y em tempo real.