DeepLearning | видео 2: Процесс обучения нейронных сетей через градиентный спуск




«Наши новые продукты предлагают уникальные возможности для облегчения повседневной жизни наших клиентов. Они включают в себя инновационные функции, такие как автоматическая система управления энергопотреблением и улучшенная защита от вредоносного программного обеспечения. Наша команда работает над постоянным совершенствованием наших продуктов и удовлетворением потребностей наших клиентов. Мы гордимся тем, что наши продукты помогают нашим клиентам быть более эффективными и защищенными в своей работе и личной жизни. Мы с нетерпением ожидаем, чтобы наши клиенты оценили все возможности, которые мы предлагаем в наших новых продуктах.»


Напишите статью о [DeepLearning | видео 2] Градиентный спуск: как учатся нейронные сети
на на русском языке


Опубликовано

в

от

Метки:

Комментарии

20 комментариев на ««DeepLearning | видео 2: Процесс обучения нейронных сетей через градиентный спуск»»

  1. Аватар пользователя Обычный Лангуст

    Просто супер! Спасибо)

  2. Аватар пользователя Andrew Kruchini

    Спасибо за перевод. Только хочу отметить неточность на 18:58: все же "accuracy curve" и "кривая доли правильных ответов" — это совсем не одно и то же по смыслу. Первое про точность (меньше — лучше), второе про успешость (больше — лучше). Резануло несоответствие картинки и звукоряда, подписи на графике заставили лезть в оригинал.

  3. Аватар пользователя Kuntu meitan

    Ничего не понял, но очень интересно

  4. Аватар пользователя Екатерина Кекштайте

    Я тупич, и то суть дошла, спасибо!

  5. Аватар пользователя Антон Пирогов

    Нарисовано красиво, но в конечном итоге взять и применить отсюда что-то не представляется возможным.
    Просто концепт объяснили красочно.

  6. Аватар пользователя Lapshin LAB

    784+1 нейрон = 785 на входе, один нейрон для смещения

  7. Аватар пользователя XeneZ

    3:48 бедная нейросеть за что с ней так строго

  8. Аватар пользователя Сокол русского князя Владимира

    Почему алгоритм все упрямо называют нейросетью? Какое-то новомодное поветрий. Хотите создать нейронную сеть — поступайте как нейроны, а не как алгоритм. Этакий нейронный алгоритм. Но для этого придется на физическом уровне создать сеть нейронов, основная особенность этой сети — она обрабатывает информацию одновременно в большом поле нейронов. А когда обработка идет в звеньях последовательно — это просто разветвленный алгоритм.

  9. Аватар пользователя stepan-klyukin

    хэллоу ворлд! в мире нейронных сетей

  10. Аватар пользователя Stanislav Serov

    Я ничего не понял, но спасибо за полезное видео!

  11. Аватар пользователя Игорь Мищенко

    нифига не понял, но очень интересно

  12. Аватар пользователя Felix

    hidden layers — key

  13. Аватар пользователя Иван Иванов

    Нихуя не понел. Но очень интересно.

  14. Аватар пользователя Maksim Saikin

    Для 15-летнего — это взрыв мозга

  15. Аватар пользователя Анна Поросенок

    Блядь материться охото от такого обьяснения тупого и даже больше ещё хуже путают. Для всех пишу кто не понимает но хочетпонять нейросети, поймёте только когда сами с нуля напишите программу геважно на каком языке. И ещё самое главное здесь не говорят , а именно что ВЕСА это и есть главноая составляющая , от которой зависит результат и вот под обучением какойто нибудь нейросети заключаются в подборе ВЕСОВ, и это означает что нужно иметь эти веса хранить их и в процессе обучения так скажем менять или подбирать эти веса таким образом что бы само обучение длилось как можно меньше времени и в результате должно на выходе при распознавании иметь максимальный процент при каких то подоранных весах. Но блядь в этом видео так чётко не обьясняют простые вещи.

  16. Аватар пользователя Paul Egorov

    Такого подробного объяснения ещё не видел. Очень жду новых озвучек.

  17. Аватар пользователя Hayk Harutyun

    А как создать функцию ошибки? Как программа должна понять ошиблась она или нет?

  18. Аватар пользователя dator ikai

    Без музыки есть запись?

  19. Аватар пользователя Oladushek

    4:05 к чему добавить?

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *