Самое простое объяснение нейросети

ВНИМАНИЕ!!!

В этом ролике я максимально просто расскажу что такое нейросети и как работает перцептрон. А еще я выдам готовый алгоритм обратного распространения ошибки БЕЗ матанализа и заумных слов. В конце ролика я покажу готовую программу с такой нейросетью, которую написал в Qt на языке C++ без использования специальных библиотек.

Таймкоды:
00:00 - введение
00:54 - датасет MNIST
01:36 - перцептрон
01:45 - нейроны
04:46 - веса и смещения
06:29 - функция активации
07:36 - прямое распространение
08:44 - обучение
10:14 - эпоха обучения
11:43 - вычисление ошибки
14:13 - обновленеи весов и смещений
15:36 - нерйросеть в Qt

#перцептрон #нейросеть #Qt

[va]

Вот это груз... спасибо за "простое" объяснение, проще наверное нейросеть попросить объяснить как она работает

[WoWCoolBack]

С ВОЗВРАЩЕНИЕМ, спасибо за качественный материал!

[hblnmqd]

Поймал себя на мысли что, с 10:00 было оч трудно слушать речь. Музыка очень активная, и громче голоса. Видос топчик)

[Anshegar]

Очень полезное видео, спасибо, ты практически на пальцах понятно разложил не самую простую тему.

[Achmd]

как же я ору, как все пытаются "просто" объяснить основы нейронок и на моменте с обратным распространением каждый раз начинается вообще не простой ад)) хотя там всё очень просто:
и "квадратичная функция ошибки" - если её значение находится в пределах от -1 до 1 (т.е. функция активации последнего слоя либо сигмоида, либо softsign), то это простая подгонка под последующие вычисления производной. ведь производная квадрата Х равна 2Х. и чтобы избавиться от этой двойки сразу делят на 2. В итоге, при вычислении ошибки мы используем dЕ/dx = (x - y) если E = (x - y)^2/2 т.е. просто разницу между выходным значением и желаемым результатом. а если бы мы не возвели в квадрат, то ошибка попросту бы нивелировалась при вычислении производной.
и становится понятно почему ReLU ( x<=0 ? 0 : x>0 ? x ) является распространённой функцией активации, когда видишь, что её производная равна 0 либо 1, что упрощает вычисление обратного распространения ошибки и в ней вообще не учитывается значение этого нейрона. т.е. если нейрон никак не влияет на конечный результат, то и ошибку для него мы не вычисляем, и веса не меняем. это самая удобная функция для промежуточных слоёв.


зы. и в видео никак не разъяснено что такое вспомогательный нейрон (b) (смещение) у каждого слоя, что его значение всегда равно 1, т.к. важно не его значение, а веса, идущие от него.
зыы. лучшее объяснение этой темы в серии видео DeepLearning от канала 3Blue1Brown. в переводе Sciberia можно глянуть. там не просто. зато обретаешь понимание)

[nakamasama]

Ура, тысячный ролик на тему создания нейронки для распознавания циферок просмотрен.

[dropdungeon]

Программированием занимался, но в другой сфере, всегда было интересно как люди додумались до процесса обучения машин. Теперь многое прояснилось и эта тема уже не столь загадочна, спасибо за хороший и содержательный ролик!

[nkikgbp]

Спасибо. Всё более менее ясно и понятно.

[sergst]

Отличный ролик! Сэкономил кучу времени))) Спасибо автору.

[tirtir]

В нынешнее время редко когда название ролика соответствует содержимому, отдельный лайк за это

[dota]

Привет! Очень классный монтаж. Подскажи пожалуйста какую программу для монтажа используешь?

[AiNNGpT]

спец алгоритм нифига себе. Спасибо! :) )))

[michaelsidorov]

Главное в том, что нейрон может иметь несколько входов и лишь один выход.

[Vaizard]

Посмотрел 4 : 45 видео, и чувствую закипел, теперь надо всё переварить продолжу смотреть позже, за взрыв мозга сразу лайк ставлю

[Kolemag]

Единственное видео в котором я все понял )

[VengMike]

Спасибо. Очень занимательно. А можно в том же стиле не только про перцептрон? Он же вроде как считается изрядно устаревшим...

[zivler]

Если это самое простое объяснение нейросети, то мне трудно представить, как будет выглядеть самое сложное.

Как говорится, ниx*я не понятно, но очень интересно.

[oldgamer]

1)Генерация случайных чисел.
2)Сравнивание значений с логическими 1и 0.
3)Задание результатов генерации ответов.
4)Структуризация данных для генерации ответа.
5)В итоге мы имее большое количество переменных, операторов, и конвертеров значений которые превращают переменную в команду для выполнения в программе абстрагирующую систему сложных данных в результат: Картинка, Видео, Аудио. Тупо Фотошоп с пером и ФЛСтудио с виртуальной миди клавиатурой, и виртуальный сканер экрана.

[Grustinko]

Ничего не понял, но очень понравилось...)

[suits]

Здравствуйте, подскажите, а есть ли нейросеть для экселя?! Если да, то могли бы вы сделать на неё обзор?