Создаём мозг для "змейки". Часть1.

[@perezvoni]

Увлекательней чем футбол!

[@СашаХороший-с5ч]

PERESMOTRI 😂

[@levikk6107]

😂👍

[@DikiUbludok228]

Что угодно увлекательнее чем футбол

[@ИванИванов-й6ф1х]

Я пришел от overbafera 2019, не оставляй проекты!

[@andreweho2987]

Возможно человек не забрасывал канал... Возможно это нейросеть обучалась)

[@h0m3u53r]

+

[@kagayakashinaruto6221]

+++++

[@ma.ka.5081]

Иван Иванов я тож от овера давайте лайканем видосики

[@oatwizard]

+

[@ПавелПронин-у8м]

10:17 "это на аппаратном уровне уберет возможность самоубийства способом 'сходить под себя'" - ржунимагу)

[@ВасяЕромагай2008ТЬВИШоу]

Ну ты просто представь, как змейка попытается сходить под себя. Да это просто выжгет глаза всем, и сломает логику этого мира.

[@ОлегСотов-ю9с]

Но змейка всё ещё сможет съесть себя, хотя для этого ей нужно будет стать длиннее.

[@Гусьмэн-р4с]

@@ВасяЕромагай2008ТЬВИШоу ВыЖЖет, а не выЖГет!

[@sannaz3344]

А вы как это скажите, умники блин, чебурек?

[@ОлегСотов-ю9с]

@@sannaz3344, это на аппаратном уровне не позволит змейке съесть себя.

[@porhy4822]

волновался за синих больше чем за свои отношения

[@ПавелСудаков-д8ю]

А что за игра ?

[@rad3]

А я за зеленых)

[@huge_aubergine]

Сделай змейку с глубокой НС, которая видит всё поле и планирует маршрут. Пусть генетический алгоритм подбирает не только веса, но и структуру нейросети (кол-во слоёв и кол-во нейронов). For Science!

[@DimaTiunov]

Итогом прога сожрёт все ресурсы

[@cosmic4716]

@@DimaTiunov да нет, изменение структуры нейросети может быть реализовано с помощью NEAT алгоритма

[@Zhanyn.da.]

Сделанно действительно интерессно. Кажется меня никогда не перестанут удивлять похожие вещи в программировании. Жду каждое видео с упоением. У тебя очень интересные эксперименты и идеи.

[@spayykknight5085]

И я пришел от overbafera 2019, не оставляй проекты пжл

[@mr.sentryanddispenser]

Очень интересно рассказано,а ещё класно то что в ролике не только теория как создать змейку,но и практика,чемпионат змеек

[@MihailOnuchin]

Это лучшее, что я видел за этот год)))

[@Егор-д3у4с]

Великолепно, не видел таких подробно объясняющих видео с примером. Очень жду следующие видео. Не мог бы ты выкладывать код, тоже охота по экспериментировать

[@leonardodavinci7932]

3 часа ночи, что я блять делаю?

[@gimeron-db]

То же, что и я)) Генетика, нейронные сети и крутой скринсейвер бонусом)

[@pav28amur]

4 часа о_О

[@СашаХороший-с5ч]

Успокаивает мозг перед сном наверное умным людям или отвлекает нервы или изза любопытности))

[@aaaa00aa]

развиваешься

[@fedorlaputin9119]

нахрен аватарку скоммуниздил?

[@ТимофейЧерников-щ2х]

Найс! Очень интересное видео. Да, это можно назвать нейронкой, хотя там обычно используются float, но здесь они не особо-то и нужны. Backpropagation и эволюция это все-таки разные вещи, хотя когда ты сам говорил змейке куда идти, это немного напоминало обычный метод обучения нейронок, только обучающие данные не были заранее заготовлены, а создавались в процессе обучения.

[@BearcatsYT]

Вводи дополнительные веса для движущихся змеек. Это позволит научить змейку обходить не только неподвижные объекты, но и преследовать и подрезать врагов, а также зацикливаться в себя )) и обучать лучше через эволюционный алгоритм

[@Noy4i]

А че делать с альтруизмом ? Он выжил тоже а эволюции , а для чего ?

[@АлексейЯть]

Уникальный годный контент. Спасибо, было очень интересно!

[@АнтонМитяй-ф4о]

С нетерпением жду вторую часть видео. Автору поклон и уважение

[@Rorian]

Отличный видео-ролик, наглядно показывающий процесс разработки и обучения нейронных сетей. Огромное спасибо автору за эту непростую работу в создании данного познавательного материала

[@ДенисОлегович-ф8д]

Как всегда годный контент! Жду новых змеек и искусственную жизнь!

[@Zeksait]

Спасибо что показываете все визуально. Так приходит понимание, что такое веса и как они работают. Ниде больше так не увидишь

[@depishdev6942]

"Это на аппаратном уровне уберет способность самоубийства способом сходить под себя" xD

[@alee-j8q]

Не знаю кому как, но мне от каждого видео сносит голову. Дико интересно. Считай, игра в бога. Автору бесконечное спасибо! (Блин спать уже хотел, а тут...)

[@eduardchurikov4419]

Я просто кайфую с твоих видосов, пускай и не все понимаю, но ты делаешь все круто!

[@ТимурИонов-я8б]

самый лучший канал по нейростям! СПАСИБО

[@sadlywolf6205]

Очень интересно, ждём вторую часть.

[@angryball]

Это лучшее, что я когда либо видел. Чемпионат змеек, чья нейросеть лучше! Бро, продолжай дальше, не забрасывай, за этим стоит будущее)

[@Бодя-и2я]

КРУТО! Слушайте я так думаю что вы будете первым кто создаст симуляцию мира. Сначала генетические алгоритмы, потом мозг для змейки, что будет дальше? Жду не дождусь нового виде о искусственной жизни (эволюции).

[@ПавелПронин-у8м]

>что будет дальше? Мир дикого запада

[@КирилМаршинков]

Богдан сооветую уже привыкать быть домашним животным. Потому что скоро foo52ru Создаст искусственный интеллект и человечество будет домашними животными для этого интеллекта. Советую прикидываться котиком или собакой, может в будущем ты станешь звездой Ютьюба искусственного интеллекта.

[@101picofarad]

таким задачкам уже более 20 лет... Змеемозг - традиционный челендж для студентов. Ток они не яблоки на время грызут, а головы в прыжке )

[@Александр-н4н9ъ]

Очень интересно смотреть, все больше затягивает эта тема :)

[@sanchopansa8956]

очень интересно! По началу не понял, как работает мозг змейки, но сейчас понял. Азарт возрастает! кто же победит?..

[@noitaukkokronk]

Спасибо! С нетерпением ждал ваших новых экспериментов!

[@ПавелПронин-у8м]

10:48 Это не ИНС, а *линейный классификатор*, т.к. нет функции нелинейности (функции активации). И это не back propogation. Для BP нужна функция ошибки, чтобы было чего минимизировать, расчет градиентов и т.д.

[@nRADRUS]

ступенька чем не функция активации ? и чем не обратная-propagation если приближённая функция потерь показывалась при обучении ?

[@ПавелПронин-у8м]

пруфлинк на функцию "ступенька", плиз =) И вопрос: "ступенька" дифференцируема? А не BP, потому что для BP особая математика нужна, а тут никакой математики, всё на пальцах... Просто чел сделал линейный классификатор и изобрёл для него некий велосипед в качестве адгоритма обучения. И ещё не понятно, во всех ли случаях этот алгоритм имеет сходимость...

[@nRADRUS]

пруф (первый в поисковике) - ppt-online.org/278109 , да и в книгах было. сходимость в большом очевидно есть, а в малом - это не обязательно, да и у людей бывают сбои , но это не значит , что их мозг не нейросеть )) да и не линейный классификатор это, ибо функция мозга змейки не является линейным оператором.

[@ПавелПронин-у8м]

Обычно такую функцию называют пороговой. Ок, где у него там ступенька/пороговая функция? Он просто помножает входы на веса и суммирует: 1:40 Никаких функций от результата суммирования не считает. Просто смотрит, где максимум - туда и ходит. С человеческим мозгом такие примитивы вообще сравнивать некорректно. Даже если бы это была ИНС, сделанная по всем правилам. Это линейный классификатор, причём "простой и непорочный" :) ru.wikipedia.org/wiki/%D0%9B%D0%B8%D0%BD%D0%B5%D0%B9%D0%BD%D1%8B%D0%B9_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%82%D0%BE%D1%80 И, кстати, во всех Х функции вида "ступенька" градиент dY/dX равен 0, следовательно, BP работать не будет.

[@nRADRUS]

"Просто смотрит, где максимум - туда и ходит. " это и есть порог, причём порог адаптивный. Ладно,пускай, но однослойный перцептрон так же может быть линейным классификатором - ru.wikipedia.org/wiki/%D0%9F%D0%B5%D1%80%D1%86%D0%B5%D0%BF%D1%82%D1%80%D0%BE%D0%BD#%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D0%BA%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F

[@АндрейВойтеховский-р4и]

Уж не допинг ли тут замешан? :DDDD

[@rasta6959]

А если серьёзно - ты красавчик, очень интересное видео. На ютубе мало таких. Держись на нем!

[@maxim1181]

Дружище,ты не гений случайно ? Потому как я думаю,именно гений !

[@wingdings1476]

Ты создал точную копию моего мозга

[@Profil2579]

Хотелось бы услышать про алгоритм отбора самообучаемых змеек =) Однозначно лайк за труд!

[@black-to-whitegradient5400]

В группе вк есть. vk.com/cyberbiology

[@eessdvfffecddfdd1721]

Генетический алгоритм, там видео старое найдите, такой же принцип

[@СашаХороший-с5ч]

Смотрю на соревнование змеек и меня это умиляет!!! Примите мои аплодисменты 👏👏👏

[@RusArtSnipe]

Скорей бы с работы вернуться. Чет ии создать захотелось.

[@doctorguide5964]

Интересно посмотреть как ты будешь учить змеек загонять соперников в ловушку ;)

[@MelvinStudios]

круто! урок простенький и залипательный, но чувствуется, что серьёзно заморочился, чтобы его записать

[@NecroOver]

Спасибо. Мотивирует и заинтересовывает

[@МаксимЭлектрик-р3ы]

Заметил, что выживаемость змейки зависит от дальновидности. Яркий пример, когда змейка запутывается в собственном хвосте.

[@MaximSolodkii]

скорее бы уже змейки захватили мир! лайк, если тоже ждёшь этого

[@dmitrysmirnov6095]

С интересом наблюдаю, как самообучается ваша головная нейросеть )

[@mathfun1296]

Надо добавить еще несколько входных параметров, собственная длина и история собственных движений. И больше обучать при длинном червяке, это должно уменьшить количество самоедства. Пошаманить со скрытыми слоями, может удастся научить распознавать опасные рисунки и избегать их.

[@foo52ru]

У меня был параметр "история собственных движений" У одной змейки из команды вычиталось несколько очков в том же направлении, куда был сделан прошлый шаг. Змейка становилась более вертлявой. У второй змейки прибавлялось несколько очков в прошлом направлении, змейка становилась более прямолинейной. Третья змейка оставалась без изменений. Потом убрал это, что бы сохранить простоту. Собирал статистику, змейки, где происходило прибавление/убавление очков по старому направлению, были чуть результативней на несколько процентов.

[@Игрыпрофутбол-о5т]

Оооооочень крутая подача!!!! Ниразу не было скучно за время просмотра!!!! Желаю тебе удачи!

[@user-nick782]

Я вообще случайно набрел на канал. Очень познавательно! пересматриваю видосы.

[@Ash-bl2mo]

Чертовски интересно!

[@nb-cy6cw]

Это очень интересно, искал подобные каналы - все в пустую, нашёл ваш, нашёл надежду, не бросайте проект, и на каком языке вы пишите нейронки?

[@Rayvenor]

Вполне НС. Ты даже указал до оптимизации 240 входных нейронов, 4 выходных и 960 связей. Скрытого слоя нет. С методом обучения я так не уверен. Обратное распространение по сути реализовано, но без матана. Правда, что зеленые змейки могли суицидить не только запутавшись в себе, но и методом "сходить под себя"? В одном моменте показалось, что именно это произошло, было обидно. Не ожидал, что начнёшь заниматься НС. Был уверен с первых секунд, что будет привычный генетический алгоритм.

[@foo52ru]

ГА будет во второй части

[@gimeron-db]

Обучение с учителем. На входе сигналы 0 или 1. Функция активации - нечто вроде софтмакс (выбирается то направление, значение на котором больше). Функция ошибки считается от разности между правильным направлением и неверно выбранным змейкой. Матрица коррекции весов равна произведению вектор-столбца сигналов со входа на вектор-строку сигналов ошибки. Несмотря на такую простоту, поведение змеек выглядит сложным.)

[@firzyargalyaviev5163]

Просто вау! Нет слов! Круто!

[@T3mak]

Опять же, делал подобное (как и в случае с генетическим алгоритмом). Проект назывался "Микробыш". По полю бегали пиксели, обладающие собственной индивидуальностью: кто-то просто бегал прямолинейно и сворачивал лишь при виде жертвы / финиша, а кто-то был любопытным и старался бегать вдоль стен, заходя в двери и выискивая цель в укромных местах. Также я добавил управление и даже реализовал локальный мультиплеер, забавно было вдвоём прятаться от эдакого искусственного интеллекта) Ну и, разумеется, всякие доп. фишки сделал: редактор карт, сохранение и загрузку карт, управление скоростью симуляции в режиме реального времени и др. Алгоритм, правда, такой себе получился, боты тупенькие, не умеют смотреть диагонально, да и без экранной лупы не поиграешь, но для первого крупного проекта, я считаю, неплохо.

[@hishykot]

Очень интересно! Анимация выглядит очень наглядно! Спасибо за интересный контент

[@demon3x668]

Интересно смотреть. Хорошо снимаете

[@stepansidorov8734]

Класс, однозначно поствлю лайк. Особенно за коментарит на чемпионате!!!

[@volv1698]

Как называется самоубийство в тюрьме? Сходить под себя

[@ИванИванов-с9е2о]

Спасибо за видео! Жду следующие!

[@boriskuznetsov864]

Супер! Продолжай проекты

[@aemarkov]

Как уже заметили, это не является нейронной сетью и методом распространения ошибки. Чтобы это стало нейронной сетью, нужно добавить нелинейность к сумме. Также у вас здесь фактически задача классификации, на выход стоит еще добавить softmax. Чтобы обучить методом обратного распространения ошибки, можно поступить следующим образом. Играйте змейкой сами, как обычно, не по шагам, но на каждом шаге сохраняйте показания сенсоров и ваш выбор. Получите датасет. Можно будет его разделить на обучающую и тестовую выборку (ну а можно и не делать тестовую, просто запускать и оценивать "на глазок"). Затем уже на этом датасете обучите с использованием всего того матана метода обратного распространения ошибки. Можно реализовать самостоятельно, можно воспользоваться готовыми. Хорошая книга: yadi.sk/i/AuHUvb-71GFC1Q

[@foo52ru]

Спасибо за книгу. Посмотрел по диагонали, выглядит сложновато, хотя возможно объяснения будут доступные. Сейчас я читаю "Создаём нейронную сеть" Тарик Рашид.

[@aemarkov]

В свою очередь, Вам тоже спасибо за эту книгу.

[@chaosundivided616]

Блин, Я за зеленых болел((( Автор, Ты - великолепен! =)

[@ДанилКоробов-е9й]

это просто шикарная теория! на пальцах разжевано, на примерах показано

[@entercherpfhalckhontralyty3542]

По-моему улучшения будут только полезны для проекта. Замечательная задумка, кстати!

[@iforand]

Ух, ты! Видео про нейросети. Не. Это не алгоритм обратного распространения ошибки. Метод обратного распространения ошибки - это способ реорганизации вычислений сумм в процессе минимизации функции ошибки от весов нейросети методом градиентного спуска. Если в классическом методе для поиска частной производной для каждого веса необходимо пересчитывать всю функцию целиком, то в методе распространения обратной ошибки это не требуется, т.к. для каждого следующего слоя используются значения сумм уже посчитанных ранее слоях. Но он (это же градиентный метод) требует дифференцируемости функции активации нейронов, а здесь, в последнем слое, вообще говоря используется пороговая функция от суммы последних четырёх весов (четвёртый со знаком "минус"). На выходе же важно не значения весов получить, а выбранное направление. Ну и в данном случае нет смысла привлекать метод обратного распространения ошибки, так сеть получается однослойной с всего 4-мя нейронами (!) и большим количеством прямых связей с каждым датчиком к каждому нейрону. В этом случае он вырождается в обычный градиентный спуск. Кстати, ниже дали хорошую идею придать динамику нейросети. Для этого можно продублировать все датчики, условно: на первичные и запаздывающие. Первичные - это те же датчики, а запаздывающие показывают ту же информацию, что и соответствующие первичные, но с запаздыванием на один ход.

[@Таксист-Эволюционер]

Нужно еще ввести термин шаговой доступности или скорректировать термин поля видимости : так как 5 клеток на 5 клеток --- это квадрат , а видимость предпологает радиус равный . ТОгда то и можно ввести термин шаговой доступности . Тоесть 5 шагов . Шаг вверх + 4 шага влево или 3 шага вверх + 2 шага вправо .....и так далее (шаговая доступность :) Что в свою очередь даст параметр - количество шагов до еды . И выбор наименьших затрат (шагов до еды), тоесть выбор еды , но не пути до еды.

[@arseniikaurov1686]

Как у тебя получается находить такие интересные идеи?

[@DenisShaver]

Интернет?

[@foo52ru]

Любопытство. Мой главный вопрос: "А что будет, если....?"

[@ГригорийСушков-з1и]

Да это нейронная сеть и метод обратной ошибки, но вот насчёт распространения... нету его тут. Слоёв маловато и функция при нейронах должна быть нелинейной, точнее нужна сигмоидальная функция. Ещё слоёв можно добавить и даже нужно.

[@serhii.akhmetshyn]

Красава, очень интересно!

[@anon3696]

Захватывающие ))

[@ЯкосумаНобунага]

я придумал оптимизацию: змейке можно подавать три расстояние до еды: по направлению движение, слева направления и справа. точно также и с преградами, и еще лучше добавить нейрон смещение, также добавить один или несколько скрытых слоев.

[@ИванИванов-б3у8н]

Интересно еще добавить "еде" возможность двигаться, т.е. убегать от змейки. Или сделать несколько видов (цветов) еды, каждый из которых может двигаться со своей скоростью)

[@Бодя-и2я]

А ещё можно добавить еду которая будет убивать змейку при поедании. Так сказать яд.

[@ИванИванов-б3у8н]

Но, тогда смерть змейки не будет зависеть от ее "навыков выживания", что "несправедливо")) Фактически, это будет смерть рандомной змейки, что не спортивно.

[@Бодя-и2я]

Поликарп Вайншток Ну тогда придётся учить змеяк опозновать и избегать ядов))

[@ИванИванов-б3у8н]

Я имел ввиду способность змейки выбирать не только направление движения к статичной еде, но и ее разборчивость в пище, которую также можно попытаться прививать разными путями)

[@Бодя-и2я]

Поликарп Вайншток Ну да хорошая идея.

[@РоманСивизин]

"Сходить под себя!" - способ самоубийства, хахахааа

[@ЕвгенийКоваленко-к9з]

Самоубийство методом "сходить под себя". Никогда о таком не слышал, но очень интригующе.

[@ЦаркМукербек]

С чего начать чтобы самому сделать такую же? Я не программист.

[@ximandr]

Я уверен, что это надо финансировать на госуровне!

[@agail2203]

Ни...я не понял, но очень интересно. (Лайк поставил)

[@СтефанШлапак-й7ш]

Всё просто офигенно,но имена у гусениц упоротые)

[@АндрейБ-ч7ж]

Хуа контент, братишка! Ты очень хорош!)

[@D1sCript]

вот очень обидно когда у таких людей подписоты нет(

[@Мужчина-к1э]

Идея змейки понравилась, но есть дополнение. Такой алгоритм имеет смысл только для симуляции реальной жизни змеи. Если же мы пытаемся написать алгоритм именно для игры в игру Змейка, то здесь явная неточность. Игрок видит всё поле сразу и на основе этого выстраивает путь змеи. А тут получается змея почти слепая, если видит лишь участок поля.

[@УпоротыйАлиЭкспресс]

*лайк от овера*

[@Aximora]

я делающий геометрию, открываю ютуб и смотрю как сделать мозги для змейки мои мозги : может ты меня сделаешь?

[@ubersonic-j9b]

интуитивно все понятно. Вопрос простого человека -какие ультимативные возможности и казусы нейросети могут быть с точки зрения футурологии , развития технологии нейросетей и железа, в отношении человеков?? Какбэ гуманитарно на сколько это все оправдано? И вообще это надо? Просто есть мнение , что усложнение технологий может привести к обесцениванию человека , как полновесной социальной и гуманитарной единицы. Типо- водители автобусов больше не нужны потому что есть искусственный интеллект управляющий автобусом лучше чем человек. Куда деваться человеку???

[@ubersonic-j9b]

Блять! нейросети зачеркнули самое главное! Это не я! Где моя шапочка из фольги))

[@andreweho2987]

Пили еще, тебя увидели!

[@illiakozachok9487]

Спасибо!

[@filippmorris8348]

Класс, лучше чем наш футбол..

[@KogothLetsPlays]

надо бы еще ввести возможность видеть голову противника

[@mathprocessing]

Стало интересно почему именно 8? Оказывается можно и 12 если квадраты заменить на шестиугольники. Дело в том, что теория групп даёт исчерпывающий ответ, на подобные вопросы, давайте спросим у неё. Нам понадобится понятие порядка группы, порядок группы это просто напросто количество элементов в этой самой группе. Так вот порядок группы самосовмещений квадрата равен 8, откуда следует что порядок группы самосовмещений квадратной сетки равен 8, и уже отсюда следует что можно оптимизировать обучение именно в 8 раз. Если рассмотреть сетку из правильных шестиугольников, то рассуждая подобным образом придём к числу 12. Есть общая формула для порядка группы самосовмещений правильного n-угольника, |G| = 2n.

[@huge_aubergine]

Это линейный классификатор, не знаю считают ли их нейросетью в академической среде. Как по мне - вполне можно считать вырожденным вариантом нейросети. Об обратном распространении ошибки здесь речи не идёт, так как некуда распространять - есть только входы и выходы, нет скрытых слоёв.

[@foo52ru]

Спасибо за ответ. Потом почитаю, что такое "линейный классификатор". Моё знакомство с нейронными сетями пока ограниченно несколькими научпоп статьями.

[@Запискиэлектроника]

нет нелинейного преобразования, так что нейросетью это считать нельзя

[@АдамПрокопович]

Способ самоубийства "сходить под себя" я сейчас от смеха умру)

[@sancho2238]

Круто

[@miha1354]

Можно подробнее про возможность самоубийства способом "сходить под себя"?

[@ИльяШинкаренко-у8т]

Я знаю что никто не увидит это, но:было бы интересно если бы сюда добавили возможность змейкам уничтожать друг друга(врагов), и становиться камикадзе, допустим 2 зеленых набрали длину и специально умерли около синих, для того что бы уничтожить, или хотя бы создать помехи синим, тем временем другой зеленый будет дальше собирать еду, примерно как на моменте 8:53 .

[@qucumbah8847]

Я недавно начал экспериментировать с нейронными сетями, тоже пытался научить комп играть в змейку. Изначально реализовал идею на 10:03, так как человек понимает, в каком направлении движется змейка, а нейронке это гораздо сложнее понять: kzbin.info/www/bejne/mZrZqnWlh7SMgtU Хотел представить наиболее близко то, как человек воспринимает игру: в первую очередь смотрит на ближайшие клетки и видит примерно в каком направлении яблоко. Справа вверху то, что видит змейка (направление яблока выделил красным квадратом). Пользовался методом обратного распространения ошибки, результат пока что не знаю, так как лень писать код, который бы транслировал решения моей нейронки непосредственно в игру. Если руки дойдут, сделаю видео по этой теме

[@qucumbah8847]

кому интересно вот видео kzbin.info/www/bejne/g4GzYWRtd752bqM результат не очень, нейронка просто поняла, что в большинстве случаев я ориентировался на направление яблока, поэтому почти всегда игнорила препятствия и быстро умирала

[@hitchhiker467]

А где можно скачать эту програмку

[@ДенисОлегович-ф8д]

Может быть лучше синюю змейку натренировать с полной оптимизацией? Хочется посмотреть на что она тогда будет способна. Но я сомневаюсь, что она сможет противопоставить что-то генетическому алгоритму.

[@trueman9363]

Интереснейшие видосы!!!

[@ivankuznetsov5618]

Зрелищно!

[@smundaredda2334]

Хорошее видео) Кто-нибудь подскажите чем нейросети отличаются от эволюционных алгоритмов? Думала это одно и тоже

[@ПавелПронин-у8м]

Нейросети - это сети из нейронов. Очевидно же) Эвол. (генетический) алгоритм - это способ совершенствования (обучения) чего угодно (в том числе НС) с помощью естественного отбора.

[@sanchopansa8956]

Sæmundar edda, нейронные сети - сети нейронов (живых или искусственных), созданных решать задачу на основе обученных связей, имеющих веса. Нейросеть делает выбор в пользу варианта с большим весом. Ген. Алгоритм - алгоритм, позволяющий создать решение задачи путём естественного отбора.

[@ka4an784]

Ну где же боевые змейки, мы заждались! Они уже наверно мсмк стали? =)

[@snailmaster212]

7:50 еда наполняет вас решимостью ❤Сохраниться Продолжить

[@paul.antares]

Чет в начале ролика голос услышал и подумал - а что если это нейросеть, которая ведет свой канал?))

[@КириллТрошев-с2с]

Самый лучший