НЕЙРОСЕТЬ В 7 СТРОК - ВЫ ОРНЁТЕ

preview_player
Показать описание
Самое понятное объяснение нейронной сети на python на примере персептрона, расписанного в 7 строк кода. Считается что персептрон perceptron от лат. perceptio - восприятие - математическая или компьютерная модель восприятия информации мозгом (кибернетическая модель мозга), предложенная Фрэнком Розенблаттом в 1957 году и впервые реализованная в виде электронной машины «Марк-1» в 1960 году. Перцептрон стал одной из первых моделей нейросетей, а «Марк-1» — первым в мире нейрокомпьютером.

Рекомендации по теме
Комментарии
Автор

Я понял. Спасибо! Хотя, искал как приготовить котлеты

mrFAKTORify
Автор

Супер! Подробно, коротко и ясно. А теперь точно так же про обучение плииз!!!))))

ezelzip
Автор

Наконец-то, после стольких лет я нашел видео ролик, где все: расписано, показанно, рассказано и объяснено!?
Спасибо большое автору канала😇

Bronzit
Автор

автор забыл объяснить что делает нейросеть, автор забыл объяснить почему у него в значениях весов спрятался ноль, почему он использует сигмоиду, и как она работает. Итог: люди, понимающие нейросети, не обратили внимание на ошибки, а люди, не понимающие нейросети, или подумали, что ошибок нет или повесились

imnotkentiy
Автор

Большое спасибо, пересмотрел кучу видео и не понял, а посмотрел это видео и все понятно

джоджофаг-пм
Автор

Боже чел где ты был всё это время, единственное видео с хорошим объяснением, спасибо большое!

Rozalit-nj
Автор

Вот если честно, это лучшее что я нашёл! Продолжай делать и усложнять сеть, развивая её. Подписался!

geekoff_tutorials
Автор

не хватает обратного распространения ошибки из-за чего просто нет обучения нейросети
видео как пример для понимания прохождения одного цикла по узлам нейросети - годится

OleksandrNechai
Автор

О, это просто охуительно. Как человек науки вам говорю.

grosshypno
Автор

Очень хорошая идея подачи информации, я про сноску кода внизу экрана, в то время когда «теория» описывается ручкой на бумаге!

wellkamsamvel
Автор

Можно было функцию написать в одну строку и вместо создания переменной outputs зразу выводить результат, а также создание переменных можно было записать таким образом - inputs, weights = ... И получилось бы 4 строки.

endershteker
Автор

Немного с мемными вставками перебор как по мне) В целом круто интересно было посмотреть. Да можно по сложнее пример :)

kndplay
Автор

Понятно. Единственное, к чему не могу не придраться - неверно записано произведение матриц. Матрицы можно перемножить, если число строк первой равно числу столбцов второй. Вы записываете в аргумент экспоненты произведение двух матриц с одной строкой и тремя столбцами. Это неправильно. Нужно транспонировать первую матрицу. Тогда все будет ок.

ДмитрийКиреев-пв
Автор

Прекрасное изложение! С активацией юмором - ваааще класс!

biriuk
Автор

Сижу и думаю, где я видел эту сеть, (у Хауди), точно такая же, но тут хоть объяснили в чем суть

DimPyProg
Автор

Единственный адекват. Ты где был когда я все пытался это понять 5 лет назад

БаллРабот
Автор

Замечательный разбор!
Подскажите, пожалуйста, откуда во второй программе взяли формулу adjustment=np. dot(training_inputs. T, err *outputs*
(1-outputs)). Интересна вторая часть (training_outputs-outputs)* *outputs(1-outputs) . Искал в функциях потерь и логистической функции ошибки.
Спасибо

МихаилМосолов-шл
Автор

хехе! да этож однослойный персептрон Розенблата - у него тоже "всё работало" (причём правда было круто!), пока вдруг "внезапно" не попалась линейно НЕразделяемая задача :-D
и... собсно всё "затухло" на годы, все ждали теорему Минского и слои, а также "обратное распространение ошибки" для обучения.

правда основная ценность данного видео - это как раз таки показать как компьютер моделирует нейросетку простую изнутри, ну то есть что там тупо массивы и функция (активации), а не "магическая магия" :-)

apristen
Автор

Что за число на выходе, зачем оно нужно, какая реальная задача решалась, причём тут нейроны если нет пересчёта и вообще повторов и мини\макса, просто линейная формула, я ничего не понял, вы орнёте...

redimer-lr
Автор

Спасибо за самое понятное видео по нейросети!

symbol