뉴런 = 노드 = 신경

기본적으로 두가지 함수를 순서대로 실행하는 하나의 계산단위라고 보면된다.
1단게 : 이전 층의 뉴런들로부터 입력신호 & 가중치($w$)를 받아서 모두 곱한뒤 편향(b)를 더함. ($ sum = (w_1 x_1 + w_2 x_2 + ...)+b $)

2단계 : 1단계 계산된 결과를 활성화함수에 넣어서 활성화값을 받는다.

1번 은닉레이어에 A,B 뉴런이 있고,
2번 은닉 레이어 X 뉴런이 있을떄,

X 뉴런은 바로 앞 레이어의 뉴런 개수만큼의 가중치를 가지고잇다. 이것이 $ w_1, w_2 ...x_n $ 인것이다.
X 뉴런은 이전 레이어의 뉴런에 상관없이 하나의 편향을 가지고있다.

우히에 A,B 각 뉴런은 입력값에 따라 출력값을 내보내고 X 뉴런에 전달한다.
X 뉴런은 $ sum = (w_1 x_1 + w_2 x_2 + ...)+b $ 으로 계산한다.
각 뉴런들은 뭔가 (이미지가 될수도, 텍스트가 될수도 있음) 입력으로 들어오면 이미 셋업된 기준대로 1단계,2단계를 거쳐 숫자를 뽑아낸다.