In questo video mettiamo insieme i due video precedenti e proviamo a capire dal punto di vista matematico come avvenga l'aggiornamento ed il perfezionamento del valore dei parametri DONAZIONI: Paypal: www.paypal.me/RTalarico
complimenti per il video e la spiegazione...sto cercando di capire il tutto al meglio delle mie possibilità...al momento ho dedotto che devo addestrare meglio i miei di neuroni XD... c'è tanto da studiare ma riesci ad appassionarmi, grazie, spero che tu prosegua e non vedo l'ora di seguire la tua evoluzione!!
Grazie davvero per il feedback positivo! Purtroppo in questo ultimo periodo non riesco a trovare il tempo di scrivere e registrare altri video. Conto di caricare i prossimi verso fine agosto/inizio settembre
Riccardo Talarico Intanto volevo ringraziarti per aver risposto, non molti altri calcolano i feedback degli utenti. Volevo ribadire che i tuoi video sono fatti bene e sono molto facili da capire anche per un ragazzino di primo superiore, quale io sono: spieghi molto bene. Continua così il tuo canale avrà grande successo! ;-) Grazie per l'attenzione!
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?
Grazie per le spiegazioni, le più chiare che abbia mai trovato in italiano😁: vado ancora al liceo scientifico ma l'AI mi appassiona da quando ero piccolo. Ho riprodotto il tuo modello su Excel(per semplicità) e funziona; l'ho studiato approfonditamente ma non sono riuscito a capire come eseguire la back propagation con le reti a strati intermedi, in particolare: mentre nell'ultimo strato i neuroni calcolano le derivate del costo rispetto ai pesi con la "formulona", avendo a disposizione la risposta finale da dare nella forward propagation, come fanno quelli intermedi a sapere la loro risposta giusta e ad aggiornarsi di conseguenza? Spero di essermi spiegato; sei bravissimo continua con i video😉.
Grazie per il commento positivo! Sono davvero contento che tu abbia provato a sperimentare in modo indipendente, perché è proprio lo scopo dei miei video. Per quanto riguarda la backpropagation con gli strati intermedi funziona praticamente allo stesso modo... solamente che il calcolo delle derivate è più lungo e di solito viene fatto automaticamente dal software nella stragrande maggioranza delle applicazioni. In ogni caso dopo aver concluso questa serie introduttiva ho intenzione di spiegare più nel dettaglio il funzionamento anche di topologie più complesse
Dato i dati W1=-2,6 W2=-1,9 b=11,33 Otteniamo la sigmoide di tali valori che é: 0,033246. Calcolo @costo/@W1 = 2*(0,033246-1)*(0,033246*(1-0,033246))*2 = -0,12429 Applicando a W1=-2,6-0,1*0,12429= 2,58757 Come è possibile ottenere il tuo risultato di W1=-0,2; W2=-0,4; b=1,03 Sei andato benissimo nella spiegazione, fino a questo passaggio, ti è possibile illustrarmeli? Grazie.
E' quello che mi stavo chiedendo pure io. Manca il calcolo dell'aggiornamento dei pesi. Non è che questi video sono copiati da qualche altra parte e non sa come si fa? Dubbio.
Grazie del commento positivo! Io studio ingegneria meccanica. Quello dell'intelligenza artificiale è più che altro un interesse che sto coltivando parallelamente agli studi universitari
Ciao, grazie del video. Avrei una domanda. Ma questa "funzione di costo" sarebbe quella che in inglese viene chiamata "loss function" o "performance function"? Grazie. :)
Tutti i miei video sono fatti utilizzando "Presentazioni di Google" (che per intenderci è il PowerPoint gratuito di Google Drive). Gli schemi sono creati semplicemente con le forme presenti nel programma e un po' di pazienza :)
Bella esposizione. Bravo. Avrei bisogno solo di alcuni chiarimenti se è possibile. Se ho capito bene con la Back propagation si vanno a sistemare i pesi w1 e w2 per ridurre l'errore ed avere la risposta corretta con i dati di ingresso del primo "gattino"; ma come fanno questi stessi valori di pesi a fornire poi la risposta corretta anche per gli altri "gattini"? Cioè con la procedure di Back propagation si sistemano i pesi per adeguarsi alla prima classe di risposta ma questi pesi non dovrebbero andare bene per trovare le altre classi di risposta! Sembrerebbe poi che lo scopo di una rete neurale sia quella di trovare (procedendo per tentativi di approssimazione successive) una formula matematica composta di tanti valori numerici di pesi da moltiplicare e sommare con criterio, in maniera tale che dato un certo input si ottenga l'output desiderato. Mi sembra molto simile ad una rete combinatoria binaria. Quindi una volta trovata la formula, la rete neurale non serve più, perchè alla fine si userà sempre e soltanto la formula trovata ?
Non sono esperto per quanto riguarda il come funziona tutto ciò (per questo sto guardando questi video molto ben fatti) ma per rispondere alla tua ultima domanda, si, alla fine si ottiene quello che si chiama Modello e si utilizza solo quello per effettuare il "calcolo"
In effetti è come dici. Sto facendo esperimenti con il deep learning in ambito image detection e si riescono ad ottenere delle buone risposte usando modeli derivati da training su dataset differenti da quelli attualmente oggetto di misura. L'importante è che il dataset che genera il modello pre-trained sia molto vasto con decine di migliaia di casi diversi.
scusa ma forse andrebbe detto che il MSE si usa come funzione da minimizzare solo per i problemi di classificazione BINARIA, forse era meglio usare un altro esempio perchè uno si può sbagliare con i problemi di regressione che usano MSE
