Första uppgift -steg 2

Steg 2 – Flera neuroner

Bygg ett litet nätverk.

Input Layer      Hidden Layer      Output

 X1 -------------> O
                     \
                      O -----------> O
                     /
 X2 -------------> O

Nu får varje neuron egna vikter.

Man gör:

Framåtberäkning (forward pass)
Beräkna fel
Justera vikter

Posted by Lars Lindmark on 31 maj, 2026Kategori: Metod

Första Uppgiften – Steg 1

Det bästa sättet att förstå neurala nätverk är faktiskt att bygga ett själv från grunden utan några AI-bibliotek. Då ser man exakt hur matematik, lärande och viktjusteringar fungerar.

Jag skulle rekommendera att bygga det i tre steg:

Steg 1 – Ett enda neuron

Börja med ett neuron som tar två indata.

Modell

Input1 ----\
            >----[Neuron]---- Output
Input2 ----/

Matematiskt:

Output = sigmoid(w1*x1 + w2*x2 + bias)

Där:

x = input
w = vikt
bias = justering
sigmoid = aktiveringsfunktion

Exempel:

</> Python

import math

x1 = 0.5
x2 = 0.8

w1 = 0.2
w2 = 0.4
bias = 0.1

z = x1*w1 + x2*w2 + bias

output = 1/(1+math.exp(-z))

print(output)

Posted by Lars Lindmark on 31 maj, 2026Kategori: Metod

Design Sprint

Design sprint

Innan sprint: Förbered
Få de människor och saker du behöver.

Dag 1: Förstå
Gräv i designen problemet genom forskning, konkurrenskraftig översyn, och övningar strategi.

Dag 2: Diverge
Snabbt utveckla så många lösningar som möjligt.

Dag 3: Bestäm
Välj de bästa idéerna och hamra ut en användarberättelse.

Dag 4: Prototype
Bygga något snabbt och smutsigt som kan visas för användarna.

Dag 5: Verifiera
Visa prototypen till verkliga människor (med andra ord, personer utanför företaget) och lära sig vad som fungerar och vad som inte fungerar.

Posted by Lars privat on 11 juli, 2013Kategori: Dokumentation, Metod