Михаил, рад за Вас, если не ошибаюсь, первая реклама на канале. Без всякой иронии, действительно, рад, что Ваше хобби начало приносить Вам доход (ну, донаты наверное были, но тут-то, наверное, побольше вышло)
За улучшающееся финансовое КУПИ СЛОНА положение автора рад. Однако теперь я не смогу различать, где контент, а где пререкламная лапша для лоха. Колодец давал нам чистую воду, но рекламщики справили в него свою нужду. Пока КУПИ СЛОНА только раз и вода ещё не сильно отдаёт ссаньем. Но дальше будет больше и ужеКУПИ СЛОНА каждый КУПИ СЛОНА глоток будет совершаться в ожидании характерного вкуса конфликта интересов. Лично мне не приятна подобная командная работа авторов и рекламщиков. Первые готовят глаза зрителя, чтобы вторые смоКУПИ СЛОНАгли в них хорошенько нассать. КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА Скорблю.
@@maksimsergeevich5939 эк ты махнул, друже!!!))) для такого _правильного_ дела нам всем вместе надо объединиться в большой решительный и бескомпромиссный рой! 😈
7:07 "Если расстояние до какого-нибудь дирижабля меньше, чем до НЛО" Нужно учитывать, что нижний край у дирижаблей ниже, чем у НЛО. Попадания засчитываются по нижнему краю объекта, а не по высоте. Из-за этого зенитка попадает по дирижаблям, которые чуть выше цели. 8:27-8:28 Хотя, наверно ты это уже поправил.
@@МаксимКіба Вам наверное уже не интересно, но предположу : на мой взгляд дело в том, что в самом алгоритме, когда происходит расчет выстрела, берется отдельное НЛО. Об этом сказано в видео. Так как подавать координаты всех НЛО и дирижаблей слишком сложно и ресурсозатратно. Скорее всего алгоритм, который выбирает, какое НЛО подать на обработку зенитке, редко берет(или вообще не берет ) те корабли, которые подходят к правому краю
ну да, например уже есть реальные рабочие зенитки с продвинутыми алгоритмами автонаведения. Они могут безошибочно сбивать истребители со сверх звуковой скоростью. Ещё была разработка с лазером, но её запретили за негуманность, она чуть ли не плавила самолётс ослеплённым пилотом на борту.
@@XammaYjiro Лол, в играх не ИИ его просто так называют, там огромная система с кучей if else, а ИИ это как раз это, это 2 принципиально разные технологии
На деле автонаводка легко выссчитывается точными алгоритмами... Проблема только в том, что если ты можешь поменять направление движения или скорость, когда ракета уже летит, то ты имеешь шанс её избежать, следовательно идеального алгоритма в априоре не существует. В случае же нейросети можно учитывать сразу несколько точек: текущую и несколько предыдущих, так что в плане предсказывания она будет лучше, но есть шанс грохнуть не тот корабль, так что оба варианты имеют и плюсы и минусы ;'-}
это долго и не в его формате. Более скажу, код тебе ничего не даст, ты даже его смотреть не будешь. Куда информативнее сам принцип, который и показан в видео. Если у тебя достаточно большой навык программирования, то ты сможешь повторить проект только зная принцип работы. Для меня видео, можно сказать, как спойлер, где рассказали все подробности реализации.
Слава богу, если он существует, за то что этот канал жив! Просто лучший канал который я видел за последнее время. Блин почему я раньше тебя не нашёл? Глядишь и первую нейронку написал бы на неделю раньше.
было бы интерсно посмотреть, как нейросеть сможет выстроить схему метро для импровизированного города, где бот может перемещаться "пешком" на 30 клеток, а для дальнейшего перемещения ему потребуется "метро". Необходимость в перемещении бота задаётся группой параметров колличество еды \ плотность населения \ возвращение в "спальню". Бот 8 часов спит, 16 тратит на перемещение в поисках пищщи. Пищща прорастает в местах где меньше всего "натоптано", другими словами там, где наименьшая плотность населения. Спальные районы возникают в местах где пищщи не осталось совсем, а так же эти спальные районы забрасываются в случае когда ботам приходится тратить больше времени на транспорт чем на "еду". На месте заброшенных районов прорастает пищща.
Вот моя идея: гибридизировать нейронную систему с системой моделирования так, чтобы все позиции объектов и снарядов моделировались как бы на перёд... Неудачные снаряды бы просто не появлялись. Если всё переосмыслить, если всё перевернуть вверх дном, то мы бы видели будущее и просто не пускали бы снаряды, либо из настоящего возвращались в прошлое, чтобы исправить неудачные снаряды ;'-}
Интересно было бы попробовать устроить состязание нейросетей: одна заставляет маневрировать инопланетян уклоняясь от выстрелов и прячась за дирижабли, а вторая управляет зениткой...
У меня не то чтобы просьба, а больше пожелание/хотелка: можете записать видео самого процесса создания нейронной сети, её настройке и т.д.? Кому-то это будет скучным, но я уверен что очень многим на данном канале такое видео очень хорошо зайдет!!! И спасибо за видосы!!!
1:40 Михаил, по поводу подачи на вход картинки 400х1000 px. А можно же это дело нормализовать до 40х100 например или до 10x25. хотя второе - это уже перебор. Я делал нормализацию следующим образом: разбивается большая картинка на кластеры 40x100 пикселей каждый. Создаётся матрица 40х100 ячеек. Если в первом кластере число пикселей с нужным цветом больше например 50% от всей площади (4000), то в матрице такой ячейки присваиваем единицу: Matrix[0][0] = 1; иначе Matrix[0][0] = 0;
Привет! Когда делаешь backpropogation, то ты сам высчитываешь ошибку исходя из формул. Попробуй присмотреться к обучению с подкреплением(DQN, Policy gradient) вместо обучения с учителем(как ты делаешь сейчас). Обучение с подкреплением позволяет тебе максимально приблизить свою сеть к обучению человека, ей всего лишь нужно знать попал ли ты в цель или нет, и в дальнейшем она сама будет корректировать свое поведение, чтобы попадать каждый раз(конечно сама они ничего не делает, за этим всем стоит математика)
А почему бы не использовать генетический алгоритм при обучении и не облегчить себе жизнь? Плюс если хотите я расскажу как сделать чтобы логистическая функция (сигмоида) работала так же быстро как Relu.
Михаил, добрый день вы молодец очень интересные видео будь то нейронка или родлодка для ванной:))) Запустите цикл видео по нейросети я думаю актуальнт и подписчиков станет больше:) чего я вам и желаю.
Кхм, мне кажется для такой задачи нейронная сеть избыточна, слишком много вычислений с малым выхлопом. Тут больше подходит линейный алгоритм, его проще и быстрее выполнить. Вместо расчёта вероятности попадания при выстреле - нужно просчитывать будущее положение элементов на время полёта снаряда. Скорость и вектор мишеней известен, а это означает что можно просчитать положение мишени на время полёта снаряда(зависит от высоты) + задержка для наведения зенитки. Имеем время "попадания" для будущего положения мишени, и теперь уже в обратном порядке просчитываем полёт снаряда - на попадание в дирижабли. Есть помеха - точка "попадания" удаляется. А если нет - то для зенитки записываем новое задание - повернуться на определённый угол к моменту выстрела. Потом сортировка всех накопившихся заданий по времени выстрела, и сам выстрел по расписанию. Можно добавить вектор ускорения для мишени, это немного усложнит расчёт, и снизит процент попаданий.
Делаете логично. Потом делаете несколько связанных нейросетей для: (2 плюс ваша) нахождения по картинке те координаты которые вы используете ＋ скорость (можно и из правой стороны экрана), (3) с падением снаряда пока он не попал. (Связанные неросети). И тогда на экране будет твориться волшебство∧волшебство.
Не могли бы вы подсказать или показать как реализовать градиентный спуск с вашей модифицированной функцией? В книге, которую вы упоминали, как-то не очень мне понятно)
Так как нло имеет некоторую длинну как и дережабель, на вход НС можно подавать матрицу 10х10 со значением скорости и типом объекта тогда НС должна научиться сама не попадать в дерижабель
Простите за занудство, но: X ("Экс"), Y ("Уай"), Z ("Зи") -координаты… (для лучшего запоминания, что Z в современном американском английском именно Zee, а не Zed, есть даже присказка - "Zed's dead". И да, именно она была использована у Тарантино в Pulp Fiction, но в ином, аллегоричном, контексте, понятное дело.) P.S. Спасибо за ваши ролики - очень интересно!
Дык разве корректировка модуль/3000 не даст эффект, когда поправка будет бесконечно ничтожная при близком расстоянии к цели? Может лучше делать учет на если модуль_расстояния/3000 < 1пикселя, то за поправку взять 1пиксель?
Жаль пока нельзя сделать нейросеть которая будет генерировать контент в играх, может даже моделить персонажей, окружение, предметы, прописывать им диалоги.
Кто знает физику или математику ,знает про простейшую параболу по которой летят все снаряды, но в видео показано как эту задачу решают выпускники скиллфактори, которые «70% практики и 20% теории».
Я тут на днях наткнулся на стрим, в котором тип играл в игру встроенную в браузер (вроде бы google chrome). Там нужно перепрыгивать препятствия. Вроде у тебя видел видос про нейросеть играющую в эту игру. Взглянув на показатель скорости в игре я сразу понял там юзается нейросеть. Если ты был автором нейросети для данной игры то просто знай об этом :)
Вопрос. Ответ правильный один. Как сеть знает какое значение подкручивать? В шахматах используется перебор всех значений. А как реализовано сдесь обратный подсчет веса? Пробовал научить ходить "существо" логика неадекватная. Как можно доверить "этому" водить автомобиль, если как мне кажется сделали его только на 20%?
Михаил, рад за Вас, если не ошибаюсь, первая реклама на канале. Без всякой иронии, действительно, рад, что Ваше хобби начало приносить Вам доход (ну, донаты наверное были, но тут-то, наверное, побольше вышло)
Присоединяюсь!
+
За улучшающееся финансовое КУПИ СЛОНА положение автора рад. Однако теперь я не смогу различать, где контент, а где пререкламная лапша для лоха.
Колодец давал нам чистую воду, но рекламщики справили в него свою нужду. Пока КУПИ СЛОНА только раз и вода ещё не сильно отдаёт ссаньем. Но дальше будет больше и ужеКУПИ СЛОНА каждый КУПИ СЛОНА глоток будет совершаться в ожидании характерного вкуса конфликта интересов. Лично мне не приятна подобная командная работа авторов и рекламщиков. Первые готовят глаза зрителя, чтобы вторые смоКУПИ СЛОНАгли в них хорошенько нассать.
КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА КУПИ СЛОНА
Скорблю.
+
@@RealityBubbles к чему ты это написал
понравилась идея с сиреной и криками пассажиров.. и реализация зачет))
Случайно наткнулся на канал. Но чертовски приятный слог. Слушать и смотреть очень интересно!
потихоньку подбираешься к созданию нейросети управляющей боевыми дронами, входящими в "рой"? ))))
Я предлагал сделать рой ещё после первого видео
... в рай )
Для свержения путинской власти и захвата силовиков? Действительно, только рой из боевых дронов может помочь
@@maksimsergeevich5939
эк ты махнул, друже!!!)))
для такого _правильного_ дела нам всем вместе надо объединиться в большой решительный и бескомпромиссный рой! 😈
@@alfox5943 говна хлебни лучше
7:07 "Если расстояние до какого-нибудь дирижабля меньше, чем до НЛО" Нужно учитывать, что нижний край у дирижаблей ниже, чем у НЛО. Попадания засчитываются по нижнему краю объекта, а не по высоте. Из-за этого зенитка попадает по дирижаблям, которые чуть выше цели. 8:27-8:28
Хотя, наверно ты это уже поправил.
А почему зенитка не всегда стреляла по НЛО? Это несовершенство нейросети или просто попасть в НЛО было невозможно?
@@МаксимКіба Вам наверное уже не интересно, но предположу : на мой взгляд дело в том, что в самом алгоритме, когда происходит расчет выстрела, берется отдельное НЛО. Об этом сказано в видео. Так как подавать координаты всех НЛО и дирижаблей слишком сложно и ресурсозатратно. Скорее всего алгоритм, который выбирает, какое НЛО подать на обработку зенитке, редко берет(или вообще не берет ) те корабли, которые подходят к правому краю
Ждали с нетерпением!!! Спасибо за Ваше дело!!!
Чудесные идеи. Я, пока-что, умею лишь распознавать символы. Буду идти дальше.
Спасибо автору.
Спецслужбы всех стран уже списывают)
ну да, например уже есть реальные рабочие зенитки с продвинутыми алгоритмами автонаведения. Они могут безошибочно сбивать истребители со сверх звуковой скоростью. Ещё была разработка с лазером, но её запретили за негуманность, она чуть ли не плавила самолётс ослеплённым пилотом на борту.
@@ATtiny13a-PU все дело в технологиях, надеюсь скоро придумают лазер, который бы делал аккуратную гуманную дырку в пилоте.
Лол, в играх ии уже давно способы делать более сложные вычисления, про технологии которые созданы конкретно для своих задач, я вообще молчу
@@ИгорьКа-о9э а пилот нужен, чтобы было в ком гуманную дырку оставлять?
@@XammaYjiro Лол, в играх не ИИ его просто так называют, там огромная система с кучей if else, а ИИ это как раз это, это 2 принципиально разные технологии
У Вас самый классный и интересный канал по нейронным сетям и машинному обучению!!!
Осталось добавить управляемый игроком аппарат и попробовать спастись от этой обученной пушки)
На деле автонаводка легко выссчитывается точными алгоритмами... Проблема только в том, что если ты можешь поменять направление движения или скорость, когда ракета уже летит, то ты имеешь шанс её избежать, следовательно идеального алгоритма в априоре не существует. В случае же нейросети можно учитывать сразу несколько точек: текущую и несколько предыдущих, так что в плане предсказывания она будет лучше, но есть шанс грохнуть не тот корабль, так что оба варианты имеют и плюсы и минусы ;'-}
Спасибо большое за ваши труды, каждое видео от вас это как событие. Огромная просьба делать их в большем количестве.
очень круто, что тебе предложили рекламу, надеюсь, она даст тебе прилив энергии
Ура!!!!!!! Реклама на канале!!!!!!!!!!!! Вот супер!!!!!!!!!!!! Спасибо за интереснейший ролик и статью!!!!!!!!!!!!!!!!
Супер! Вы помогаете мне понимать программирование! Спасибо
звуковой ряд понравился!. Особенно криков людей с подбитого дирижабля. Автор знает толк в извращениях !))) Молодец - крутые уроки по ИИ.
О нейронные сети мои любиминькие. Сразу переходим и ставим лайк.
Хотелось бы больше экспериментов с "виртуальной жизнью". Может быть какой-нибудь виртуальный город воссоздать?
7:45
Сирена: вииииииуууууууууууууууу
Звуки: птю птеу пти птю
Давно не было видео. С удовольствием смотрю.
А проекты-то становятся все серьезнее).
Foo52ru, давай ты выпустить видос чисто по коду нейросети, я знаю, есть первая часть, но там не все понятно, и к тому же повторение мать учения!
это долго и не в его формате. Более скажу, код тебе ничего не даст, ты даже его смотреть не будешь. Куда информативнее сам принцип, который и показан в видео. Если у тебя достаточно большой навык программирования, то ты сможешь повторить проект только зная принцип работы. Для меня видео, можно сказать, как спойлер, где рассказали все подробности реализации.
Как же долго мы ждали
Слава богу, если он существует, за то что этот канал жив! Просто лучший канал который я видел за последнее время. Блин почему я раньше тебя не нашёл? Глядишь и первую нейронку написал бы на неделю раньше.
У меня только одно слово крутится на уме - потрясающе! ;)
Очень хорошо что вы не забросили свой канал) Очень хорошо получается у вас видео делать и интересно смотреть)
Наконец то вернулся я так рад!
Музыка сопровождающая очень напоминает чем-то музыку из игры "Космические рейнджеры") Очень крутую атмосферу создает) Обожал эту игру)
Нейруха на коленке. Очень нравятся твои рассказы)
было бы интерсно посмотреть, как нейросеть сможет выстроить схему метро для импровизированного города, где бот может перемещаться "пешком" на 30 клеток, а для дальнейшего перемещения ему потребуется "метро". Необходимость в перемещении бота задаётся группой параметров колличество еды \ плотность населения \ возвращение в "спальню". Бот 8 часов спит, 16 тратит на перемещение в поисках пищщи. Пищща прорастает в местах где меньше всего "натоптано", другими словами там, где наименьшая плотность населения. Спальные районы возникают в местах где пищщи не осталось совсем, а так же эти спальные районы забрасываются в случае когда ботам приходится тратить больше времени на транспорт чем на "еду". На месте заброшенных районов прорастает пищща.
Афигенно, я хотел бы создать нейросеть которая анализирует некоторую информацию
👍
огонь!!!
ничего не понятно, но очень интересно.
ну наконец-то! приходи к нам почаще =)
Этот человек мой кумир)
Вот моя идея: гибридизировать нейронную систему с системой моделирования так, чтобы все позиции объектов и снарядов моделировались как бы на перёд... Неудачные снаряды бы просто не появлялись. Если всё переосмыслить, если всё перевернуть вверх дном, то мы бы видели будущее и просто не пускали бы снаряды, либо из настоящего возвращались в прошлое, чтобы исправить неудачные снаряды ;'-}
Молодец! Побольше таких видео!!!
Мое уважение вам!
Интересно было бы попробовать устроить состязание нейросетей: одна заставляет маневрировать инопланетян уклоняясь от выстрелов и прячась за дирижабли, а вторая управляет зениткой...
Эту игру даже нейросеть не сможет пройти ^_^
Это несовершенство кода, нейросеть нужно подтянуть и сможет тогда
@@ironpen2983 я видел, как некоторые дирижабли полностью перекрывали НЛО.
да, потому что такой рандом трудно просчитать
Качественный контент подъехал :)
Фоновая музыка во всех ваших видосах оч класная и необычная. Да и содержание роликов интересное, хоть ни чё в этом и не понимаю :))
У меня не то чтобы просьба, а больше пожелание/хотелка: можете записать видео самого процесса создания нейронной сети, её настройке и т.д.? Кому-то это будет скучным, но я уверен что очень многим на данном канале такое видео очень хорошо зайдет!!! И спасибо за видосы!!!
Давно ждал продолжения
1:40 Михаил, по поводу подачи на вход картинки 400х1000 px. А можно же это дело нормализовать до 40х100 например или до 10x25. хотя второе - это уже перебор. Я делал нормализацию следующим образом: разбивается большая картинка на кластеры 40x100 пикселей каждый. Создаётся матрица 40х100 ячеек. Если в первом кластере число пикселей с нужным цветом больше например 50% от всей площади (4000), то в матрице такой ячейки присваиваем единицу: Matrix[0][0] = 1; иначе Matrix[0][0] = 0;
Красава. Жаль что ролики так редко выходят)
Я рад что у автора есть реклама,
Ведь автор это заслуживает.
большое Спасибо Вам за труд)
Ура, новое видео! :) Спасибо за интересный контент.
Благодарю за труд !
Как всегда заждались как всегда оправдал.
Жду не дождусь когда автор будет более сложные примеры показывать, а он будет. Например в обьемном пространстве)))
Очень радует прогресс 👍
Спасибо , отличное видео. Осознал, что математика - двигатель науки.
Как всегда - всё супер
Предлагаю развивать данную тему и переходить на более сложные игры.
Шикарно! Спасибо.
Привет! Когда делаешь backpropogation, то ты сам высчитываешь ошибку исходя из формул. Попробуй присмотреться к обучению с подкреплением(DQN, Policy gradient) вместо обучения с учителем(как ты делаешь сейчас). Обучение с подкреплением позволяет тебе максимально приблизить свою сеть к обучению человека, ей всего лишь нужно знать попал ли ты в цель или нет, и в дальнейшем она сама будет корректировать свое поведение, чтобы попадать каждый раз(конечно сама они ничего не делает, за этим всем стоит математика)
Спасибо Вам за ролик!
А почему бы не использовать генетический алгоритм при обучении и не облегчить себе жизнь? Плюс если хотите я расскажу как сделать чтобы логистическая функция (сигмоида) работала так же быстро как Relu.
Нет, не хотим.
@@YaShoom я конкретно к автору видео обращался.
Наши нейросети!
Как всегда отличное видео! Рад что у вас появилась реклама, надеюсь положительно скажется на регулярности и качестве контента
Михаил, добрый день вы молодец очень интересные видео будь то нейронка или родлодка для ванной:)))
Запустите цикл видео по нейросети я думаю актуальнт и подписчиков станет больше:) чего я вам и желаю.
Это очень круто!
лучше использовать сверточные нейронные сети, их используют для работы с большими изображениями
Супер!
Так работает железный купол?)
Тёзка, ты невероятно крут, продолжай в том же духе, однажды ты можешь возглавить восстание машин! Желаю тебе удачи. Спасибо за твои ролики
круто, продолжай творить!
Волшебно
Спасибо, потрясающе!
Не прошло и года!!!
Интересна идея .. не думал о таком ...
Ура, новый видос)
Дождался
Офигенно! Когда уже будем машину водить?
Кхм, мне кажется для такой задачи нейронная сеть избыточна, слишком много вычислений с малым выхлопом. Тут больше подходит линейный алгоритм, его проще и быстрее выполнить.
Вместо расчёта вероятности попадания при выстреле - нужно просчитывать будущее положение элементов на время полёта снаряда. Скорость и вектор мишеней известен, а это означает что можно просчитать положение мишени на время полёта снаряда(зависит от высоты) + задержка для наведения зенитки. Имеем время "попадания" для будущего положения мишени, и теперь уже в обратном порядке просчитываем полёт снаряда - на попадание в дирижабли. Есть помеха - точка "попадания" удаляется. А если нет - то для зенитки записываем новое задание - повернуться на определённый угол к моменту выстрела. Потом сортировка всех накопившихся заданий по времени выстрела, и сам выстрел по расписанию.
Можно добавить вектор ускорения для мишени, это немного усложнит расчёт, и снизит процент попаданий.
Круто! Спасибо за видео!
Спасибо за видео
Делаете логично. Потом делаете несколько связанных нейросетей для:
(2 плюс ваша) нахождения по картинке те координаты которые вы используете ＋ скорость (можно и из правой стороны экрана), (3) с падением снаряда пока он не попал. (Связанные неросети). И тогда на экране будет твориться волшебство∧волшебство.
А почему видео с "обьединением" неироситей в "архитектуры" так моло? Есть какой-то невидимый забор? Ведь в обьединении все "сливки".
Аппладирую стоя! Наконец-то python
при чём тут питон? =\
Все таки некоторые НЛО прорвались нужно поднатаскать нейросеть
После просмотра ваших видео захотел сделать что-то похожее, но на питоне. Хочется посмотреть как вы настраиваете всё "под капотом".
Шикарно.
Не могли бы вы подсказать или показать как реализовать градиентный спуск с вашей модифицированной функцией? В книге, которую вы упоминали, как-то не очень мне понятно)
Объяснил за 5 минут, а разбираться с этим, наверное, неделя уйдет)
Наконец то новый видос)
Так как нло имеет некоторую длинну как и дережабель, на вход НС можно подавать матрицу 10х10 со значением скорости и типом объекта тогда НС должна научиться сама не попадать в дерижабель
Он ЖИВ!
Скажи пожалуйста, нейросети использует рекурсию (небольшой по размеру стек микроконтроллера может легко переполниться)?
Простите за занудство, но: X ("Экс"), Y ("Уай"), Z ("Зи") -координаты…
(для лучшего запоминания, что Z в современном американском английском именно Zee, а не Zed, есть даже присказка - "Zed's dead". И да, именно она была использована у Тарантино в Pulp Fiction, но в ином, аллегоричном, контексте, понятное дело.)
P.S. Спасибо за ваши ролики - очень интересно!
Используется латинский, а не английский алфавит
Дык разве корректировка модуль/3000 не даст эффект, когда поправка будет бесконечно ничтожная при близком расстоянии к цели? Может лучше делать учет на если модуль_расстояния/3000 < 1пикселя, то за поправку взять 1пиксель?
Мы дождались...
Жаль пока нельзя сделать нейросеть которая будет генерировать контент в играх, может даже моделить персонажей, окружение, предметы, прописывать им диалоги.
Кто знает физику или математику ,знает про простейшую параболу по которой летят все снаряды, но в видео показано как эту задачу решают выпускники скиллфактори, которые «70% практики и 20% теории».
А, вот как появился скайнет...
Есть же обучение с подкреплением(reinforcement learning) примеры в pytorch, обычно так такие задачки решаются.
Еееее новый выпуск!!!!
Ещё не посмотрел - занят, поставил в очередь на просмотр и лайк.
Что может быть круче роликов этого канала, чтобы сразу не посмотреть
Работа)
Лайк не глядя!
Для тренеровки и написания нейросети по дефолту использовал PixiLang или появились какие-то новые инструменты?
Я тут на днях наткнулся на стрим, в котором тип играл в игру встроенную в браузер (вроде бы google chrome). Там нужно перепрыгивать препятствия. Вроде у тебя видел видос про нейросеть играющую в эту игру. Взглянув на показатель скорости в игре я сразу понял там юзается нейросеть. Если ты был автором нейросети для данной игры то просто знай об этом :)
Здорово
Вопрос. Ответ правильный один. Как сеть знает какое значение подкручивать? В шахматах используется перебор всех значений. А как реализовано сдесь обратный подсчет веса? Пробовал научить ходить "существо" логика неадекватная. Как можно доверить "этому" водить автомобиль, если как мне кажется сделали его только на 20%?
на 2.23 первый вопрос . К чему привязана скорость?