Когда учился - даже записав одну формулу в размер A4, бесила фраза преподавателя, что эта формула не имеет физического смысла. Столько лет прошло - ничего не изменилось! :)
оверклок мозга, аддоном для youtube chrome и пальцы на + - позволяют выкручивать рычажек input до максимальных скоростей приема данных (от x2.4 до x2.5)
Насчет необходимости масштабирования входных данных - вопрос. Ведь по большому счету веса умноженные на значение сигнала производят и масштабирование. Нейросеть сама настроит веса таким образом, что они и будут соответствовать решению задачи, и параллельно смасштабируют входные данные друг относительно друга.
Добрый день! Познавательное видео для тех кто начинает знакомство с нейросетями. Поясните пожалуйста принцип работы (математический аппарат). можно приблизительно. К примеру, у нас есть 4 параметра на входе и 2 на выходе например процесс приготовления супа. на входе: пол, поварское образование(есть, нет), стаж работы поваром в годах, название блюда(харчо, расольник, бурда, солянка) на выходе: вкусный, невкусный. (так понимаю сеть выдаст эти ответы одновременно с вероятностями, например вкусны 0,9; невкусный 0,1. ) всем входным параметрам, если правильно понял суть присваиваются подобранные после обучения веса, например w1 w2 w3 w4 А как дальше вычисляется результат? так? результат = пол*w1 + поварское образование * w2+ стаж работы поваром *w3 + название блюда*w4 или так? результат = пол*w1 х поварское образование * w2х стаж работы поваром *w3 х название блюда*w4 или как-то иначе? Заранее спасибо за ответ
Спасибо за твои уроки!)) Молодец) Обучай нас дальше) Вот вопрос есть: ты сказал, что на выходном поле результаты меньше 0.3 мы откидываем, а результаты выше 0.7 мы принимаем. А что будет с результатами между этими двумя диапазонами?)
Петр, такой интересный вопрос по существу. А нельзя один раз настроить одну отличную нейронную сеть, которая бы решала задачи оптимизации другой (других, в идеале всех) нейронных сетей на оптимизацию - на количество скрытых слоев и нейронов в них (чтоб не глупая и не "хитрозадая" получалась), на тип сети - рекурентная, простая и т.п.? Т.е. заставить нейронную сеть оптимизировать другую нейронную сеть под любую конкретную задачу. Ведь Вы сами говорили, что структура сети - это нерешенная проблема, не имеющая в настоящий момент, алгоритма решения, а ведь именно это и является предметом нейронной сети. Заранее благодарен за ответ. Хотя я только начал интересоваться нейронными сетями, поэтому возможно, что я изобретаю велосипед, и это давно уже делают ;)
А я вот все же не понял, что такое вес нейрона? Что-то вроде памяти, насколько данный нейрон часто оказывается "прав"? На картинке их было несколько в одном, тоже непонятно. А если на распознавание буквы раздаем каждому нейрону по пикселю, не должны ли веса обнуляться каждый раз? Как они задаются? Короче, интуиция подсказывает, что в них-то и кроется вся магия и для обучения сети веса играют какую-то значительную роль, но вот как они образуются (или их надо задавать, тоже как?) - непонятно.
Кирилл Копылов Будут примеры программ с исходным кодом, наглядно отражающие все пройденные в курсе аспекты. Реализацию делать будем. Но я еще не определился в этом курсе (элементарные понятия) или в следующем (непосредственно работа на сетями). Проблема тут еще и в том, что практически все аспекты, которые я вам объяснил (и те, о которых буду говорить далее) связаны с очень непростой математикой (я в нее и сам пытаюсь вникнуть, но пока худовато выходит).
Не знаю ответит кто-то или нет, но такая ситуация: Я собираюсь попробовать сделать нейронку для определения капчи. Рисунок капчи не сложный. Методом обработки рисунка я понял, что человек может различать цифры начиная с размера картинки 40х19(изначально это 160х92). Картинка преобразовывается в чб вариант. Получается картинка с 760 пикселями. И как ее считать нейронкой? Каждый пиксель в отдельный входной нейрон? Не получится ли так, что такая нейронка будет ОООООчень долго не только учится, но и обрабатывать картинку при работе будет долго? Или я не в правильном направлении копаю, и есть вариант куда более простой? з.ы. я знаю, что есть готовые нейронки. Я хочу сделать для себя, чтоб понять, что я - могу(студент второго курса).
а не проще 1 нейрон на 1 букву сделать? попиксельно сравниваются 2 картинки. Эталон и рисунок от руки. вычисляется % совпавших чёрных пикселей от общего кол-ва в эталоне. эта величина и есть входной сигнал на нейрон. далее этот % умножается на вес и так для каждой буквы. побеждает та буква которая набрала больше всех баллов. тот нейрон который угадал букву, получает например +1. а остальные сортируются по степени вранья. чем хуже их ответ, тем больше из их весов вычитается.
Проблема такого подхода в том, что, например, буква "Л" нарисованная посередине больше будет похожа на эталонную букву "А", чем маленькая буква "А" где-то в углу.
Лишней болтовни много, ставлю скорость 2. Это аналог электрических синапсов. Вероятно автор не знает что в мозгу имеются химические и электрические синапсы.