Комментарии:
Ничего не понял, но очень интересно
ОтветитьЯ тупич, и то суть дошла, спасибо!
ОтветитьНарисовано красиво, но в конечном итоге взять и применить отсюда что-то не представляется возможным.
Просто концепт объяснили красочно.
784+1 нейрон = 785 на входе, один нейрон для смещения
ОтветитьПочему алгоритм все упрямо называют нейросетью? Какое-то новомодное поветрий. Хотите создать нейронную сеть - поступайте как нейроны, а не как алгоритм. Этакий нейронный алгоритм. Но для этого придется на физическом уровне создать сеть нейронов, основная особенность этой сети - она обрабатывает информацию одновременно в большом поле нейронов. А когда обработка идет в звеньях последовательно - это просто разветвленный алгоритм.
Ответитьхэллоу ворлд! в мире нейронных сетей
ОтветитьЯ ничего не понял, но спасибо за полезное видео!
Ответитьнифига не понял, но очень интересно
Ответитьhidden layers - key
ОтветитьНихуя не понел. Но очень интересно.
ОтветитьДля 15-летнего - это взрыв мозга
ОтветитьБлядь материться охото от такого обьяснения тупого и даже больше ещё хуже путают. Для всех пишу кто не понимает но хочетпонять нейросети, поймёте только когда сами с нуля напишите программу геважно на каком языке. И ещё самое главное здесь не говорят , а именно что ВЕСА это и есть главноая составляющая , от которой зависит результат и вот под обучением какойто нибудь нейросети заключаются в подборе ВЕСОВ, и это означает что нужно иметь эти веса хранить их и в процессе обучения так скажем менять или подбирать эти веса таким образом что бы само обучение длилось как можно меньше времени и в результате должно на выходе при распознавании иметь максимальный процент при каких то подоранных весах. Но блядь в этом видео так чётко не обьясняют простые вещи.
ОтветитьТакого подробного объяснения ещё не видел. Очень жду новых озвучек.
ОтветитьА как создать функцию ошибки? Как программа должна понять ошиблась она или нет?
ОтветитьБез музыки есть запись?
ОтветитьЭо
ОтветитьОчень полезно для новичка, спасибо!
ОтветитьЭто потрясающе! Большое спасибо за такое объяснение и отдельное спасибо за инфографику! Титанический труд
ОтветитьВесь мир это градиентный спуск, а ты в ней функция, которая ищет правду
ОтветитьИ все же машина зазубривает, как и мы :)
ОтветитьА зачем квадрат разности тр🤔 чтобы не было отрицательных значений?
ОтветитьMNIST = "Hello World" в мире NN? ну-ну а потом собеседуешь мидла, и он не может ответить что такое лог. регрессия
Ответитьбозе мой, где вы раньше были..
Ответитьsuper. ocen kruto.
ОтветитьСпасибо
ОтветитьБоже мой...признаемся честно все эти обучения проходят в обусловленной системе,все жиждется на замкнутой платформе,о каком уме идёт речь????
О каких нейронах речь???о лампочках?где есть начальный код,то никаких обучения кроме как программиситов не может быть.
Если изменить разрешение пикселей то сеть заново перестраивать?
ОтветитьТак что здесь мне кажется что программист учится таким образом составлять новые алгоритмы, то есть обучается))
ОтветитьВы зачем вводите термин как -Сеть обучается???
Если вы сами тут же говорите что закрепляете вначале алгоритм,потом настраиваете все точки пределов,(то есть формируете память,как это было раньше)а потом ваша якобы обучающаяся сеть просто -выбирает варианты
Смотрю ваши материалы ,,,нихрена не поняла где нейронные сети обучаются,
Ну все скоро я создам свого джарвиса будет по круче алиси и сири)
ОтветитьЯ все еще не понял как узнать что полученный результат верный / не верный ? С чем и как сравнивать ?
ОтветитьСмотрел видео и напился... Моя нейронная сеть не обучается уже.
ОтветитьОбъясните, пожалуйста, момент с обучением на неправильных данных.
Как сеть, которая обучалась на неправильных данных в итоге может показать такой же результат, как и та, что на верных.
Ведь в первом случае для нейросети вилка всегда будет львом. Каким образом нейросеть может понять, что это не лев. Если никто ей не сообщает верных ответов.
Видимо я понял неправильно.
Буду благодарен, если кто объяснит ..
Синиормын
ОтветитьПросто кайф!
ОтветитьПока для меня это сложно. Но со временем я вернусь. ДС МЛ НС я иду за вами
Ответитьнужно дописать!!! мало ходов !!! ПоЭтоу думает плохо!!!
ОтветитьОтвет на вопрос в конце видео заключается в использовании сверточного слоя нейронов?
ОтветитьПочему в конце голос сменился?..
ОтветитьВот это видео у него (изначального автора) получилось гораздо мощнее первого вводного!
ОтветитьСпасибо
ОтветитьСпасибо вам
ОтветитьФункция ошибки это функция потерь (loss function) ?
ОтветитьПосткриптум, надиктованный женским голосом, переведен гораздо хуже основного материала. Ощущение, что диктор совершенно не понимает о чем говорит, и голос не вполне не синхронизирован с тем, что происходит на экране.
Основная часть перевода сильно лучше.
Нужно добавить значение ошибки, это квадрат разности.
А откуда сеть узнает, что именно на рисунке, чтобы определить куда пихнуть 0, а куда 1 ?
Это уже не самообучающаяся сеть, а обучаемая, причем на каждую картинку, не сеть определяет правильность, а человек.
А на 5 000 000 картинок, задавать правильность, на это уйдет очень много времени.
И хорошо, если это уже всем известная система, а если она ноу-хау, и там не 5 млн картинок, а 100 триллионов?
Кто бы ни читал этот комментарий, знай, что ГОСПОДЬ ИИСУС ХРИСТОС ЛЮБИТ ТЕБЯ!
Whoever reads this comment, know that LORD JESUS CHRIST LOVES YOU!