Materi
Sebuah neuron tiruan menerima beberapa angka masukan x₁, x₂, …, xₘ. Setiap masukan dikalikan bobotnya sendiri, hasilnya dijumlahkan, lalu ditambah satu angka lagi yang disebut bias: z = w₁x₁ + w₂x₂ + … + wₘxₘ + b. User Guide scikit-learn menyebut langkah ini penjumlahan linear berbobot (weighted linear summation), yang kemudian diteruskan ke fungsi aktivasi.
Bobot menentukan seberapa besar pengaruh setiap masukan dan ke arah mana: bobot negatif membuat masukan itu menekan keluaran. Bias menggeser ambang. Tanpa bias, neuron dengan semua masukan nol selalu menghasilkan z = 0; dengan bias, neuron bisa sudah condong menyala atau condong diam sebelum melihat masukan apa pun.
Neuron paling awal, yang dikaji McCulloch dan Pitts, memakai fungsi ambang (step): keluarannya 0 bila z di bawah ambang dan 1 bila melewatinya. Neuron dengan fungsi step inilah yang disebut perseptron. Di numpy, jumlah berbobot dihitung dengan np.dot(x, w). scikit-learn juga punya kelas Perceptron sendiri, yang memperbarui bobotnya hanya ketika tebakannya salah.
import numpy as np
# suhu (°C), kelembapan (%) -> nyalakan kipas?
x = np.array([31, 70])
w = np.array([0.1, 0.02])
b = -4.0
z = np.dot(x, w) + b # 3.1 + 1.4 - 4.0 = 0.5
keluaran = 1 if z >= 0 else 0
print(z, keluaran) # 0.5 1