Самое простое объяснение нейросети

ВНИМАНИЕ!!!
Этот же ролик без громкой музыки на фоне: • Ролик про нейросети БЕ...
В этом ролике я максимально просто расскажу что такое нейросети и как работает перцептрон. А еще я выдам готовый алгоритм обратного распространения ошибки БЕЗ матанализа и заумных слов. В конце ролика я покажу готовую программу с такой нейросетью, которую написал в Qt на языке C++ без использования специальных библиотек.
ссылка на телеграм t.me/programmcat
Таймкоды:
00:00 - введение
00:54 - датасет MNIST
01:36 - перцептрон
01:45 - нейроны
04:46 - веса и смещения
06:29 - функция активации
07:36 - прямое распространение
08:44 - обучение
10:14 - эпоха обучения
11:43 - вычисление ошибки
14:13 - обновленеи весов и смещений
15:36 - нерйросеть в Qt
#перцептрон #нейросеть #Qt

[@programmcat]

04:34 - я имел в виду входов ))

[@VladimirNerby]

Видео класс. Думаю, что музыка в видео громковата

[@programmcat]

@@VladimirNerby есть такой косяк

[@88vok]

не называй те чипы приметивыне кста НЕРОНАМИ ! даже ладноб ешслиб еше ТОГДА назвал Исксвеным нероном но эт тогда атерь какой нахрен нейрон ? !

[@88vok]

довай про то что транзистор это КАКОЙ нейрон ?! не неразу ж не подмена понятий ? ! дык какой ?

[@88vok]

прекидовайш с каким фейспалмом да любые неробиологи на вот такое все неточто смотрят а СЛУШАЛИ с с60Х ? когда совковую кибернетику лженауко покрестили ...? и непсроста вашет еше боел неспроста ианч как ну свтасть 90х там .. и свта вера невьспена в 146% (ну 146млн рабсиянцев ) или еше боле ... 43млн морекопов дык каие данные то ?

[@Achmd]

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)

[@moshamiracle]

да понятно, что бред и без нормальной математики там не разберутся, только самые верха понять

[@serge2773]

но все равно автору спасибо! больше материалов, больше топлива для понимания.

[@Achmd]

@@serge2773 это да. правда, они повторяют все одно и то же. за год ситуация практически не изменилась.

[@replays4026]

Музыку можно погромче? Не слышу её

[@ailanasaaya5314]

Просто нужно было смотреть в наушниках

[@psyhotel4009]

Нет

[@ailanasaaya5314]

@@psyhotel4009 чо нет то

[@user-ds2hn3wz5h]

Да

[@user-ii9vx7wg6j]

Автор сделал версию без музыки

[@nakamasama]

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

[@sergrecon9293]

лучшая антиреклама таким роликам

[@programmcat]

Что просили, то и сделал

[@daitedve1984]

Ты думаешь, знания "просмотрами" в голову влазят? :) Тут кумекать нужно!

[@nakamasama]

@@daitedve1984 , а я не про знания. Я про их количество.

[@TheMrMadD0g]

@@programmcatкак база для первого видео по тематике - вполне неплохо. 👍🏻 Хотелось бы видео по теме нейросетей и решения каких-нибудь интересных задач о которых еще не снято миллиона роликов. Например, как создать и обучить нейросеть-автоответчик на основе своих диалогов в вк (там можно выгрузить вся историю в текстовых файлах). Здесь и парсинг текстовых файлов, и подготовка обучающего датасета, и нейросетка. Интересно, применимо и прикольно

[@user-hb6ln3mq1d]

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

[@agrippotadeush4414]

У меня раньше началось, выбесила просто

[@TheLogEdge]

Меня вот что удивляет - неужели настолько плевать на то, как будут воспринимать твое творение люди?

[@user-hb6ln3mq1d]

@@TheLogEdge Не думаю, что вопрос в плевать. Вполне могу допустить 2 варианта. 1 - у человека очень плохое аудио оборудование, или сводит звук в колонках, не тестируя в наушниках или что то вокруг этого. 2 - автор может в матчасть, но не чувствует \ не знает как в сведение. В целом то видос хороший. Тут не про плевать, как мне кажется.

[@va4953]

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

[@user-kp1kq2vi9r]

С ВОЗВРАЩЕНИЕМ, спасибо за качественный материал!

[@vladmob]

Ролик - отличный! Спасибо вам!

[@tirtir1401]

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

[@user-xk9ko9bp3d]

Ложь. Тут заумно рассказоно. Не ведитесь

[@kopoba8830]

Ролик просто супер!

[@user-ww1rd7xe1u]

отлично, понятно, спасибо!)

[@dropdungeon1647]

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!

[@michaelsidorov5508]

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

[@user-gd3dn8wb2q]

Огонь, спасибо!

[@Anshegar]

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

[@SergeySuper_Silver]

Ух! Я досмотрел видео до конца)

[@user-nk7ik1gb3p]

Спасибо. Всё более менее ясно и понятно.

[@zivler]

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

[@dota6724]

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

[@misterio5756]

Это база, так называемая основа)

[@sergst8263]

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

[@user-rl8le8cs1e]

Спасибо!

[@Kolemag]

Единственное видео в котором я все понял )

[@AiNNGpT]

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

[@user-Vaizard]

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

[@Alash8080]

Респект!

[@suits7873]

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

[@vladislav_kuznetsov_]

Прям очень круто.

[@brlmbrlm7778]

Мало понятно, но очень интересно )))

[@user-ji6df1ei2c]

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.

[@Grustinko]

Ничего не понял, но очень понравилось...)

[@oldgamer2397]

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

[@aitbayseiduldayev2363]

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

[@oldgamer2397]

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.

[@rudikshul25]

Можно ссылку на исходный код?

[@cita_website]

Черная магия! Эта музыка делает, непонятное - понятным!

[@Ewixx_]

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

[@umdois6849]

Нейросети слишком сложно Как это можно понять

[@Ewixx_]

@@umdois6849 во всём можно разобраться, если действовать последовательно и настойчиво)

[@user-jt4kj2hn4q]

А зачем вы это начали?

[@Ewixx_]

@@user-jt4kj2hn4q во-первых - стало просто интересно, а во-вторых - хочу попробовать связать нейросети с химией

[@oktopusskills]

@@Ewixx_ тоже не понимаю это вечное "слишком сложно" у людей. По сути, познать можно многое, разве что разным людям требуется разное количество времени. И умение дробить сложные задачи на более мелкие. В том числе, на этапе обучения. Но всегда проще сказать "как это вообще, слишком сложно и вообще, автор виноват, что я всё равно ничего не понял") Приятно увидеть, что есть и вот такие люди в комментариях, как вы

[@user-zc1fk2lg8i]

Можно музыку еще громче?

[@TrueErr]

@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?

[@Jetscrolls]

-Посмотри всех- Попробуй всё и занимайся тем, что больше зайдет лично тебе.

[@programmcat]

Да, стоит. С таким же успехом можно перестать разрабатывать новые игры, потому что уже есть Скайрим))

[@user-jt4kj2hn4q]

Дык вить пугают, что нейросети все за нас напишут, стало быть, зачем изучать программирование?))

[@Jetscrolls]

@@user-jt4kj2hn4q жаль только - жить в эту пору прекрасную уж не придется ни мне, ни тебе)

[@Unior-zt4ub]

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

[@antonshutov6696]

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

[@makievitch]

Ни хрена себе! И это самое простое объяснение нейросети?

[@user-xk2lb2ob8p]

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

[@user-ql4xu5qu2u]

Если цифры подогнать, а так нет

[@sergst8263]

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

[@fhtagnfhtagn]

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

[@88vok]

нероны то гиде ?)) искусвеные нероны НЕ НЕЙРОНЫ !

[@alexmiska2115]

@@88vok посмеялся от души. Жги еще

[@freedom_is_coming2023]

Поставил 2000й лайк

[@AlexeyGR1047]

Ахренительно!

[@VengMike]

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

[@Baza2]

Перцептрон итак ужасно сложная фигня а усложнять ещё человека после такого не откачаешь.

[@user-rr7yi3ru2p]

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?

[@programmcat]

Нет

[@unlimited-007]

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?

[@user-wv6ul1gq8c]

Чувак читает Википедию.

[@user-bm8do4ib2k]

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

[@user-kv2dy3fv6i]

❤

[@marinagoncharova5331]

Ничего не понятно но ОЧЕНЬ интересно!

[@Baza2]

Аналогично.

[@ddffd-gx8lt]

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

[@programmcat]

Надо всё преобразовать в один размер

[@petrodrobov]

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

[@UTUBMIR]

нет ето следуйщие нейрони кодключение к 1!! виходу предидущогго🤗

[@ICeMAn70833]

Это один и тот же выход из нейрона, подключенный ко входам во все нейроны последующего слоя

[@user-do5dy3ug3x]

Там оговорка была, тоже услышал

[@user-ru1qt2og1o]

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

[@MrMher93]

ссылку на группу добавишь куда-нибудь?

[@programmcat]

Она в описании, я про неё забыл 😐

[@user-cl7fv5gi3o]

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

[@sanyaharos1727]

Очень круто, но музыка на фоне слишком уж громкая

[@a1515mail]

Еёлучше сосем убрать.

[@Nisitka]

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

[@ruden6623]

Приветики!)

[@blooddimon2390]

музыка мешает( а видео класс)

[@user-tw5nh3xb6k]

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?

[@AcrAcro]

Нейросети требуют затратных вычислений и недорогой такая игрушка точно не будет. А учитывая голосовое обучение - так вовсе с заоблачной суммой, так как распознавание речи - сам по себе процесс сложный и задействующий другие предобученные нейросети.

[@user-cj9cl9fg1y]

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.

[@user-ql4xu5qu2u]

Да не знают программисты детально алгоритмы машинного обучения и нейросети, может быть только перед собеседованием подучат теорию. А вы если писали программы, то легко сможете разрабатывать что нибудь и сейчас, главное начните с практических задач, не углубляясь особо в теорию

[@user-cj9cl9fg1y]

@@user-ql4xu5qu2u Поздно. Этому увлекательному делу надо было жизнь посвящать. В 58 лет с нуля начинать поздновато. Хотя и хочется. Быть рядовым не хочется. Если бы лет 20 программированием занимался, может что-то интересное и сделал бы. Я эти нейросети, точнее искусственный интеллект чисто гуманитарно ещё лет 20 назад разрабатывал. Чисто для себя - просто осмысливал - как они могут работать. Но вот - кто-то уже сделал программными методами - воплотил идею в жизнь. (Впрочем - такое поднять для одного человека слишком много - задача комплексная)

[@user-kf4pk9kk9h]

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.

[@nerlihmax4555]

Это развлекательное видео. А образование на лекциях, в статьях и учебниках, в видео на Ютубе с теоретическим походом, но не тут

[@alexfaktor6167]

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

[@user-xu1ck1wv9r]

аоаоаоаоао я сделал нейросеть в скретч

[@morispioneer632]

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 ?🤔

[@americangeeks8383]

лааааайк!!!!!!!!!!!!!!!

[@evgenysenkin2859]

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.

[@programmcat]

Извините, вы из какой страны смотрите? Я не понимаю что такое по русски "лицензия"

[@evgenysenkin2859]

@@programmcat a commercial license for the QT framework, I mean.

[@programmcat]

@@evgenysenkin2859 первый раз слышу

[@arithene]

​@@evgenysenkin2859видео относится к комерческому использованию?

[@YuriySilantye]

Парень про🎉нигера не понял, но ось интересно😂

[@user-yc2gf4gs5p]

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

[@programmcat]

Это канал о Qt))

[@Constantine..]

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)

[@semibiotic]

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.

[@Neex23]

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

[@daitedve1984]

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??

[@guest6007]

Похоже, недостаточно примеров для обучения было в подобных очертаниях, где происходили ошибки

[@CanisLupusCrossoutMobile]

Плохая сходимость сети. Грубо говоря, модель плохо аппроксимировала исходную функцию зависимости между выходными и выходными данными. Это может быть связано либо с недостаточным набором данных, нейронов, либо с недоучиванием или с переобучением

[@SMVK]

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 💪🔥

[@programmcat]

Веса от входных нейронов обновляются точно также

[@programmcat]

Что делать с ошибкой в видео я показывал, и даже акцентировал на этом внимание

[@Parker9696]

музыку на фоне потише бы, а голос повыше

[@sonick_black6397]

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

[@Andrew-oh6kg]

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?

[@CanisLupusCrossoutMobile]

Одно дело сравнивать с существующими картинками, искать похожие картинки и совсем другое дело уметь распознавать цифры с разным написанием и быть способным на определение случаев, отсутствующих в обучающих данных. Этим и сильны нейросети. Они тупо мощнее распознают и могут действовать за пределами обучающей выборки, в то время, как phash только сравнивает с существующими картинками

[@Andrew-oh6kg]

@@CanisLupusCrossoutMobile ну есть же расстояние Хемминга, так что похожие он тоже найдет в принципе

[@CanisLupusCrossoutMobile]

@@Andrew-oh6kg нейросеть похожих не ищет. Она может познавать случаи, не похожие на имеющиеся. То есть она обобщает и находит зависимости. Не просто так сейчас нейросети популярны, это очень мощная технология

[@Natural_Mindset]

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

[@programmcat]

Да, не ведитесь, там херня одна

[@mega_mango]

Интегральчики

[@88vok]

@@programmcat нудык шорт нехерни запели илиуже хотяб на 4 минуты то те ну ты понял

[@CapitanOvechkin]

@@88vok А ты понял?

[@evgeniykorniloff9974]

Частные производные сложной функции. Только учебников нет.

[@user-yt9to9zj4e]

4:34 BХОДОВ! ВХОДОВ! ВХОДОВ! IN!!!

[@dann1kid]

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

[@nektosnext]

пон

[@tsvigo11_70]

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.

[@alexeytipenkov]

ой, айяйяй, очередной раз убеждаюсь, что я гуманитарий, автору спасибо, но мне похоже это не дано понять)

[@DemetriusG.-sh9ov]

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

[@georgiy_kulagin]

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.

[@user-mememario]

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

[@Myideasandprojects]

Атас и проще некуда

[@user-xo9ks9bc6j]

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

[@programmcat]

умный дохуя чтоли?

[@germanyandgerman4158]

можно без музыку

[@programmcat]

Посмотри в описание

[@alexeynesin483]

Активация софтмакс неправильный график 7:29

[@user-ij7er2uu1e]

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

[@andreisokolenko7719]

Фоновая музыка слишком громкая.

[@borisblade1403]

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

[@programmcat]

Автор долбаёб, уже всем надоел со своими видосами

[@user-vc2fh7bo3m]

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

[@Airaleais]

зачем на бейсике?

[@alexeyivantsov1302]

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?

[@programmcat]

Это для более менее сообразительных видео было

[@Monstr518]

3.9.2023 Этой ночью, я успешно смоделировал, роботу своей первой в жизни нейросхемы. Основана на нейронах с нечёткой логикой. Вычисление одного ответа для сети из десяти тысячь нейронов занимает две секунды. Входит в состояние соответствия любой функции f(от трёх логических переменных) за минуту обучения сети из 14 нейронов. Жаль, что я всю жизнь безработный.