04:34 - я имел в виду входов ))

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 ( x0 ? 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)

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

Музыку можно погромче? Не слышу её

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

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

С ВОЗВРАЩЕНИЕМ, спасибо за качественный материал!

Ролик - отличный! Спасибо вам!

Ролик просто супер!

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!

отлично, понятно, спасибо!)

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

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

Ух! Я досмотрел видео до конца)

Огонь, спасибо!

Если это самое простое объяснение нейросети, то мне трудно представить, как будет выглядеть самое сложное. Как говорится, ниx*я не понятно, но очень интересно.

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

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.

Спасибо. Всё более менее ясно и понятно.

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

Это база, так называемая основа)

Спасибо!

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

Единственное видео в котором я все понял )

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

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

Респект!

Абстракция на регистры и алгоритмы преобразования. Генерация рандомных значений из суммы входных данных. И абстрагирование их в выходной результат.

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

Прям очень круто.

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

Короч на середине стало понятно что ничего не понятно. Нужен реальный проект и реальный пример, чтобы разобраться шаг за шагом. А этот дикий запад на фоне вообще отвлекает.

Мало понятно, но очень интересно )))

Боже, как же Вы вовремя!! Буквально недели полторы назад начала изучать нейросети и мне жутко не хватало простого объяснения, спасибо!)

Всю дорогу говорится, что у нейрона один выход. Но весь ролик на картинках у промежуточных нейронов нарисовоно много выходов.

❤

@programmcat, есть ли у меня смысл изучать нейросети и пытаться делать свои нейронные сети, если они очень развиты (например ChatGPT или Midjourney)? Или мне лучше не изобретать велосипеды и учить другую отрасль программирования, где мне тоже интересно?

Ничего не понял, но очень понравилось...)

Крутое видео, только вот музыка на фоне слишком громкая и отвлекает сильно. На мой взгляд, для таких роликов нужен более спокойный и тихий фон

Ни хрена себе! И это самое простое объяснение нейросети?

Супер. Так долго искал вводный материал который охватывает кей пойнты за 15 минут. А где можно скачать твою прогу, которую в конце показвал ?

Черная магия! Эта музыка делает, непонятное - понятным!

2:00 нейрон это несколько входов и один выход, и уже следующий слайд - нейрон имеет несколько выходов 🤔

А можно ли эту нейросеть обученную на 28-пиксельный квадрат, применить к любому размеру цифр?

Очень круто, но музыка на фоне слишком уж громкая

Ахренительно!

спасибо за старания, но я не понял. наверное, это не моё. (комментарий для продвижения ролика: я посмотрел и автор старался)

Скажите, может ли нейросеть сама выбирать параметры из списка, находить оптимальные параметры сглаживания и оптимальные значения. А также добавлять изменения при условии сохранения макс эффективности результата?

видос не плохой, но фоновая музыка очень громкая, а тема не то что бы сложная, но думать нужно. Музыку нужно тише сделать

Насколько знаю лицензия на использования QT далеко не дешевая. Да и есть готовые свободные зрелые фреймворки на Python для скриптинга, а написаны на С++ - так намного удобнее. Если углубляться в машинное обучение вам понадобится линейная алгебра для расчета тензоров, дифференциальное, интегральное исчесление, статитстика и т.д. Состав нейросетей очень усложнился, что-бы стать спецом по нейросетям нужно только этим направлением и заниматься.

Поставил 2000й лайк

Привет, классное видео, лучшее я бы сказал. А можно для тех кто в танке, у нас веса которые идут от входного слоя к скрытому слою тоже ведь обновляются?

ссылку на группу добавишь куда-нибудь?

Можно ссылку на исходный код?

3:15 а если на одной картинке размер 28 28, но на другой 32 32? Как делать? Искать фото с большим числом пикселей?

Контент годный, спасибо. Про музыку присоединюсь - нафиг не нужна.

Можно музыку еще громче?

лааааайк!!!!!!!!!!!!!!!

2:00 у нейронов несколько входов и один выход, 2:10 чзх

Интересно, если MNIST обучает белым цифрам на чёрном фоне, что будет если нарисовать наоборот, чёрным по белому?

Приветики!)

Отличное видео для людей с бессонницей - я два раза засыпал на фрагменте объяснения вычислений! 😆Шучу. Всё объяснил настолько доходчиво, что я заново понял то, что учил ещё в инстиуте. 👍 Одно непонятно: если у тебя большая выборка рукописных цифр и ты написал правильный алгоритм, почему он ошибается на рукописном вводе??

Привет, Кот! Как можно вставить в мягкую игрушку нейронную сеть и начать её обучать человеку, который не умеет пользоваться компьютером? Предполагается что обучение будет проходить только через диалог, и если нужно подтвердить правильность выбора, то тоже через диалог или на крайний вариант две кнопки на мягкой игрушке "Да" или "Нет". Может такая игрушка уже создана и недорого состоит? Сколько будут стоить недорогие компоненты что бы мягкую игрушку снабдить всем необходимым?

Спасибо за ролик. Очень громкая фоновая музыка, делайте пожалуйста тише. Может вообще в образовательные ролики не добавлять фоновую музыку? Люди же не для развлечений такое смотрят, а для получения нужной информации.

И где "готовый алгоритм" ? Конечно, нужно отдать автору должное - это самое полное руководство, из тех, что я видел по данной теме, и оставленные лакуны (как минимум - реализации функций, их производных и типичные значения констант) можно попробовать восстановить. Но это точно не "готовый алгоритм", который обещало видео. Кроме того. Общая иллюстрация категорически неполна - на ней обязаны присутствовать веса (отдельными узлами, показывающими их принадлежность) и смещения - атрибутами "нейронных" узлов.

Никаких весов в сети быть не должно, могут быть только электрические сопротивления синапсов. И да если эти сопротивления только положительные то сеть не сможет полностью обучиться, только наполовину. Как объяснить знак электрического сопротивления непонятно. Не умножать надо а делить: заряд нейрона делим на сопротивление синапса, получаем заряд следующего нейрона. ------------- Если человек понимает нейронную сеть он должен объяснить зачем нужны её элементы. Например: 1) зачем нужна функция активации, 2) зачем нужно смещение (?) Потому что без них не работает не принимается. Сеть которая тут показана излишне сложна для начинающих. Она должна выдавать всего два ответа: это единица и это не единица. Дробные числа не надо использовать - это усложняет программу и может вести к непредсказуемым, случайным ошибкам.

Да. Это сложно - для обычного человека, не программиста. Жаль. Надо было в 90-е годы всё бросить и заняться программированием. Штука увлекательная - я пробовал на Бейсике - чисто для себя написал пару программ - с нуля.

В нейронной связи: просто перемножаются 2 значения, а за тем на выходе происходит сложение нейронных связей ВСЁ! да, их получается больше, но проще и быстрее

музыка мешает( а видео класс)

Не ведитесь. Без матана максимум, что можно по-настоящему понять, это прямое распространение.

Говорит что у каждого нейрона несколько входов и один выход, но на картинке 3:40 каждый нейрон скрытого слоя соединен с каждым нейроном выходного слоя... Так несколько выходов или один ?🤔

А что делать с весами от входных нейронов?( по какой формуле их обновлять если входные нейроны не имеют ни чего кроме входных данных и веса?( Самая "дырявая" и сложная тема объяснений, это обратное распространение ошибки. Сложность заключается в том что это настолько сложно что даже те кто это понимают абсолютно не могут объяснить это просто и почти всегда пропускают, мол это самостоятельно если интересно. В то время как без этого нейронка работать не будет, вернее будет, но со случайным набором весов(((. Либо проблема "понимающего и не понимающего" как "сытый голодного" кажется понятным и очевидным но для человека не понимающего вообще ни разу, в упор не видно 😢 Написал на упрощеной джаве, получилось но встал вопрос как ошибку считать чо с ней делать что бы веса корректировать. Потом психанул и на "машинном коде" (где триггеры, булева алгебра, 1 и 0) сделал с горем пополам даже какую ни какую функцию активации лишь бы была (просто порог 0или1) , иииии всё, тупик ((( ошибку то куда как 😢 Это наверное единственый гайд, который попался, где все таки объяснили как, весьма просто и доступно без мат.извращений, но как то не до конца 😢 По монтажу видео хочу отметить. Вот эта вот фишка с анимацией циферок куда то двигаются слепляются в формулы и тд- самый основной и доходчивый метод и я бы сказал рабочий. Остальные словесные и тд способы объяснить курят в сторонке ~ Что бы все же выразить степень в числах , то звуковая словесная инфа это %10, в то время как визуал и вот эта вот анимация где зрителя за нос водят - 100000...% И ни в коем случае не "а сейчас я маркером нарисую как на досках в училищах"!🙅‍♂️ Так что это мощь сила 💪🔥

Чувак читает Википедию.

аоаоаоаоао я сделал нейросеть в скретч

Парень про🎉нигера не понял, но ось интересно😂

Ролик отличный, но музыка на фоне очень отвлекающая, не смог досмотреть даже до конца. Мне кажется, что лучше либо потише фон сделать, либо выбрать более плавную мелодию, без равного ритма, а лучше сразу оба варианта.

Во первых: Какой дистрибутив? Во вторых: какая среда разработки?

Нейросети, как и алгоритм обратного распространения трудно использовать в "чистом" виде. Попытки так обучить нейросеть заканчиваются попаданием весовых коэффициентов в ближайшие локальные минимумы.

Лмао, нейронку в кути... Мне кажется в проще понятьна питоне, даже😊 если ты его не знаешь

15:45 интересно, что нейросеть уже заранее предугадывает, какую цифру напишет человек

А чем, в таком случае, распознавание письменных букв отличается от того же phash (алгоритм поиска похожих картинок)? Ведь суть работы по факту cхожа. Тогда зачем заморачивается с этими всеми нейронами\перцептронами если есть алгоритм во много раз проще?

Что за музыка? Что за трек? Где скачать минус?

4:34 BХОДОВ! ВХОДОВ! ВХОДОВ! IN!!!

Ничего не понятно но ОЧЕНЬ интересно!

Активация софтмакс неправильный график 7:29

пон

Напишите нам эту нейронку на Бейсике и вот тогда точно всё будет понятно.

А почему вы не нашли первую производную от ошибки? То есть почему не Eвых=(0,32-0)*f'(x)? Это же сложная производная.

За смещения не слышал. Все или почти все с каждого утюга как попугаи одно и тоже мол так так и так. Я все проделал как было сказано и обучения какое-то вялое. Потом поставил этот медленный, медленно исполняющий Пайтон и на нем результаты обучения были на много быстрей чем на NodeJS. Потом нашел готовую библиотеку и результат был на столько быстр, что я в шоке. И не понимал почему такая разница, ведь мой код занимал минимум и должен исполнятся всех быстрее чем фреймворк, который весит целую тучу развлетлений на все случаи жизни. Подсмотреть в фреймворке это еще та адская задача, ведь IDE переводит указатель на интерфейс функции, но не саму функцию. И в общем там черт голову себе сломит. А оказывается еще нужно просчитывать смещение. Это все меняет. Конечно же никто не любит эти математические F' (штрих) непонятные. Еще нужно думать, как преобразовать эти странные буквы в код, но в этом видео буквально все понятно. А из википедии вообще почти ничего, особенно по формулам. Придумают математики несуществующих символов (на клавиатуре) и ругаются формулами. А ты сиди такой и рассшифровуй. Полезное видео. Спасибо

Привет. уменьши громкость фоновой музыку на 70%, и перезалей

В одной папке картинки, в другой музыка, тоже разбитая по папкам и тд. Более простое объснение. Все это соединяется в общую картину по заданому алгоритму.Вообщем Как то так.

Жесть! Скажи проще. Можно взять допустим 4 или 3 сайта с информацией внедрить в нейронку и при запросе она выдаст правельный результат. Ну проще обработки данных с этих сайтов будет конечный результат. Желательно видео как это сделать на живом примере

музыку на фоне потише бы, а голос повыше

Я так понимаю ты писал сетку с полного нуля, без какой либо библиотеки? Писал на C++?

про веса вообще плохо сказал нет точного описания "как влияет на..." откуда и что? пустота на исходнике мало влияет? или что на картинке влияет на вес?

Перезалейте видео без фоновой музыки. Невыносимое бренчание.

А в других видео просто говорили нейронные связи и всё, просто что они вот так вот связаны и всё, ни как они вычисляют ничего об этом не говорили

Спасибо за видео, но как же вы достали со своими телеграмм каналами, что полезные ссылки не судьба разместить в описании. А ведь почти подписался, удачи в телеграмме)

Надеюсь автор сам понял о чем говорит, пока всё это рисовал и монтировал.

а теперь представьте что было бы с мозгом если бы он действительно использовал обратное распространение ошибки)) нейросеть конечно неудачное название, какие-нибудь статистические аппроксиматоры функций лучше бы подошли, но такие названия людям не продашь)