Come si addestra una rete neurale? In questo video parleremo della funzione di costo che ha prorprio questo scopo GIOCA CON IL GRAFICO DELLA FUNZIONE: ggbm.at/DwJZjmdy DONAZIONI: Paypal: www.paypal.me/...
Complimenti per il video, sto effettuando la mia tesi di laurea sulle reti neurali applicate ad eventi franosi, mi spiego meglio praticamente attraverso la lettura di alcune matrici che contengono dati numerici quali ad esempio pendenza del terreno, angolo di esposizione ecc ecc ed attraverso zone note in cui sono avvenute delle frane, devo valutare se altre parti del territorio possono essere soggette a frana o meno. Ora io non ho mai programmato quindi non saprei proprio come partire e nemmeno dove poter trovare qualcosa che mi possa aiutare. chi può darmi qualche consiglio?
Ciao Raffaele, mi chiamo Luca e sono uno studente triennale di fisica. Innanzitutto spero che la tua tesi sia andata al meglio, e proprio perchè geofisica e reti neurali sono due argomenti che mi appassionano, mi piacerebbe chiederti qualche consiglio su come li hai approfonditi. Ti ringrazio!
Ciao! Questo secondo video rispetto al primo è un pò più ambiguo. Ti consiglio di levare il voice detection al microfono, l'improvviso silenzio dopo che dici qualcosa fa perdere la concentrazione. Siccome almeno io non ho ben capito ti chiedo se nel prossimo video puoi fare un riassunto veloce anche di questo video. Grazie, continua ! :)
Innanzitutto cos'è il bias? Non l'hai spiegato. Perchè l'errore quadratico lo eleviamo al quadrato? (A livello matematico dico) Poi il video è finito un pò all'improvviso non ho capito cosa abbiamo concluso..
In questo caso il bias era proprio il termine b nella funzione di costo. Se ricordi il video precedente, il bias non dipende dagli input e la rete neurale usata per questo esempio non ne aveva. Ho fatto questo solo per avere una funzione di costo bidimensionale. Il bias in sostanza è un parametro che "trasla" la funzione di attivazione (la funzione sigmoide) e ci permette di avere previsioni più accurate di quelle che avremmo utilizzando solo i pesi. Puoi immaginare che il suo funzionamento sia simile a quello del parametro "q" nell'equazione di una retta (y=mx+q). In un prossimo video programmerò una parte di rete neurale e farò una rappresentazione 3D per capire come tutto questo funzioni esattamente. Per quanto riguarda l'errore quadratico: da quello che so, si usa questa funzione perché restituisce valori sempre maggiori o uguali a zero ed è facile da derivare. Se ancora non dovesse essere chiarissimo cosa stiamo facendo non è un grosso problema: questa è la parte più complicata per quanto riguarda le basi di questo argomento. Possibilmente diventerà tutto più chiaro quando lo implementeremo come codice
...ciao ti ribadisco i miei complimenti sulla spiegazione....nel video hai mensionato il link del programma che usi per rappresentare la parabola ma non lo vedo puoi gentilmente postarlo....grazie