на крайней случай можно включать такие видео в яндекс браузере. там нейронка их хорошо переводит :D

​@@Kenderosikпроприетарщина

Это просто перевод, благодарности надо автору делать, а не переводчику

Когда новое видео

Джамбул на пути к Машинному обучение и нейронным сетим

Новичок относительно чего? Я например нихрена не понял....

Разве производную не проходят в школе?

@@Staryi-Sceptik Ну производную да, но во первых мало кто сидит и пытается понять ее смысл, а во вторых тут это все сложнее. Ну и вот у меня практически все виды математики были на первых курсах и я все это понимал и делал, но т.к. это совсем никак не использовалось я все забыл спустя пару лет, это конечно восстанавливается быстрее, чем учится, но все таки, шо говорить о школе.

Для гиков это слишком тривиальное видео

гики, объясните мне тупому пожалуйста. начиная с 4:00 поплыл: говоря математическим языком нужно добавить квадрат разницы между каждым плохим значением и его правильной величиной... что это такое? почему именно квадрат а не ^4 например, или не ^2/100

​@@yessenzhol8989я тоже ниxрена не понял

Ну, как успехи?

ну а как всё таки успехи

@@user-nn1ko1uq6k да нихера их нет потому что здесь херово обьясняют а даже больше путают.

@@Anna_Porosenokа где хорошо объясняют?

Могу путаться в терминах, но объясню как понял я. В первом случае они обучали сеть, выводя из нее данные в неструктурированном порядке. Например, в первой эпохе обучения они ввели в сеть картинку льва. Сеть выдала допустим вилку, но так как этот ответ не верен, мы корректируем ее работу функцией минимизации ошибки. Далее они изменили выходные данные, то есть изменили последний слой. Например на место, где результат был "вилка" она поставили "церковь". И далее начинается вторая эпоха обучения. Таким образом, сеть училась долго, но в итоге запомнила все объекты и стала выдавать нужный результат. А во втором случае они каждую эпоху не меняли последний слой, то есть появилась некая структура. И сеть обучалась гораздо быстрее.

Это и есть смысл видео, объяснить принцып работы и математику нейросети, а не забивать в питон тупо функции из каких-то библиотек.

Sus

Наверное правильные = проверечные(valid data)

В процессе обучения показываются картинки с правильным ответом и сеть учится

Сеть просто запомнила новые названия для картинок. А не создала способ анализа изображения картинок

Там много разным методов есть как понять неросеть и этот тоже. Например можно посмотреть за что конкретный нейрон отвечает, для этого надо найти значение функцию выхода этого нейрона относительно изменяющихся входных значениях всей нейронной сети при не изменяющихся весах, и провести градиентный подъем, будет найден входной рисинок при котором максимально активируется нерон. Есть для сверточной сети визуализация тепловых карт активации класса, уверен для этой сети тоже подобное можно применить

тут регуляризацию можно понять и много другое playground.tensorflow.org/

Она покажет лишь 2 рисунка, поскольку может быть лишь 2 входа, 0 и 1

@@endlessvd ничего, что там 10 выходных нейронов? то есть если инвертировать нейронку, будет так же 10 входных можно задать им строго единицу на один из этих нейронов, чтобы получить идельную цифру, а можно поиграться с десятичными значениями, чтобы получить 50/50 то ли 1 то ли два итд

Что если... 🤣 Фарш в мясо нельзя обратно превратить

Есть "обучение с учителем", есть "обучение без учителя". Это разные подходы. Чтобы запилить подобную сеть "без учителя", нужно чтобы на входе и выходе сети было одно и тоже (768 пикселей-нейронов), а в середине сети, на скрытом слое - бутылочное горлышко из 10 нейронов. Тогда сеть будет вынуждена "пропихнуть" изображение каждой цифры через эти 10 нейронов, и восстановить/нарисовать цифру обратно на выходе. Для этого изображения цифр уже НЕ нужно предварительно размечать, сеть их классифицирует самостоятельно на том самом узком слое посередине. Функция ошибки в данном случае будет то, насколько выход сети похож на вход. Можно представить, что такая сеть пытается "заархивировать" изображение в 10 нейронах, а потом "разархивировать" обратно. Для этого она вынуждена будет их классифицировать. Самостоятельно. То есть, без учителя. Profit!

Первый голос УСТАЛ

Заранее знать правильный ответ , напимер подаёшь рупоисную ужаную единицу и там её можешь распознать как единицу и сети говоришь что на выходе долна быть единица распознана и если приходит на выходе не еденица то программа сравнивает с твоим ответом уже заложенным, понимает что ошиблась и надо менять веса, изменяет веса и вновь пропускает рукописную туже единицу через себя и потом все по кругу пока чётко или при очень большем проценте не станем понимать что это единица , которую ты сам сказал что она должна там быть.

@@Anna_Porosenok Если надо определить какого-то животного, насекомого, то нужно сделать 100500 выходов?

@@hottabych137 ну так то да..., но сейчас алгоритны другие , скажем так , они делят на части , разбивают потом собирают , и обратно уже суженым фильтром распознвют и тогда уже точно выйдет что надо. Хочу скать что выдумывают разные алгоритмы все сложнее и сложнее , но зато они повышают круг распознования.

@@Anna_Porosenok ага, понятно. Спасибо

Это она и есть ) Те, кто в универе учился, а не сидел смотря лекции Стендфорда :-)

Да, верно, но можно написать алгорит м который рисунок сам будет или уменьшать или увеличивать разрешение до нужного для нейросети ,это не так сложно.

@@Anna_Porosenok в любом случае, каждый последующий и, кажущийся самостоятельным и разумным, шаг сети - результат предшествующих этому шагу действий программиста (человека). ИИ на основе дискретной логики - миф) Весь фокус и вау-эффект от знакомства с ИИ зиждется на возможности железа считать с чудовищной (абстракция) скоростью. Ловкость рук - и никаких чудес.

@@user-gs1li9mb6s это и так понятно, можно было об этом не писать.

@@Anna_Porosenok судя по тому, что человечество упорно живет между черным и белым, не зная других оттенков, это понятно далеко не всем)

@@user-gs1li9mb6s в следующий раз в переди поста как раз вот это и пиши, что бы яснее твоя мысль была.

Ну так нейроны примерно так же работают. Сигналы передаются от уровня к уровню последовательно.

Sus нейрон 👀👀👀

людям младше все понятно

я не понял ваш комментарий = вы глупый. забавная логика. зачем массовому зрителю что-то объяснять? Его дело - обычное потребление результатов

@@xxphall Логика в том, что если ты не умеешь объяснять (часто равно не знаешь предмет), то не нужно объяснять, ибо ты только запутываешь людей и тратишь их время. Сквозь тысячи видео/постов го*на очень сложно найти нормальные материалы. Теперь понятно?

@@user--------- ну это проблема либо твоя, либо авторов этих видео (скорее второе). нормальные материалы = научная литература и научные статьи, а не видео на ютубе... еще бы в википедии искал

Прям как твоя мамка

Да нигде , тупое видео херню несут сумбурную , там олени не поняли что такое нейронные сети и запилил видео , а ут ещё перевод.