Сел поесть, Ну и думаю, посмотрю что-нибудь интересное :-) Если умножить разные виды еды на разные напитки, то получится набор блюд, В среднем которое вы любите есть. Ну от 0 до 9. Вот такая математика
Не скажу, что заполняемые от руки истории болезни остались в далёком прошлом. Однако российские врачи наших дней, кого я видел, историю болезни, как и остальную документацию ведут теперь иключительно в электронном виде на центральном сервере больницы через персональный компьютер в своём кабинете.
@@РазДва-ш8о не надо обвинять меня в том, чего я не писал. Написано же: ""... кого я видел ...". Или вы дальше первого предложения никогда не читаете, тут же бросаетесь отвечать? Даже при том, что Москва - это не Россия, больницы в остальных крупных городах тоже компьютеризированы. А что касается сельских больниц, то там и в советские времена с медициной был полный мрак, не до компьютеров. Если во времена Брежнева роль праздничной витрины социализма исполняло государство ГДР, то в наши дни эту роль забрала себе Москва.
Стал изучать нейросети и как раз разбирал пример кода именно этот. Где обучается сеть на базе картинок 28*28. Видео дало более глубокое понимание работы принципа, взаимосвязей, за это огромное спасибо! В примере лектор сказал что это темный ящик и не было понимания как это связано с линейной алгеброй! Тут все стало понятно, ( хотя это ага эффект и иллюзия ;))ибо в обучении сказали что это чёрный ящик. С нетерпением жду продолжение. Очень крутое объяснение про механизм весов, принцип работы, активации. Но чучуть базово изучить как работает мозг с точки зрение нейрофизиологии тоже полезно для полноты картины и объема понимания! С нетерпением жду продолжения как проходит обучение! Вы делаете очень крутую работу!
Очень хорошее видео. Интересно, доступно, полезно. Можно использовать это видео как один из нейронов, активация которого позволяет распознать любое видео как крутое.
Люблю 3blue1brown. Когда начинал заниматься нейросетями пересмотрел все видео по этой теме. Отличный перевод, однако если вы действительно хотите этим заниматься, то умение смотреть и понимать, что говорит автор в оригинале - обязательное условие. Учите английский!!!
Спасибо за хороший перевод, исходник очень крутой и понятный при этом. Благодаря переводу он стал доступен для РУ сегмента. Жаль остальные видео только с сабами (несколько корявыми, но и на этом спасибо, тем кто эти сабы делал). На клоунов-гуру англ языка и озвучки не обращайте внимания. Главное начинка конфеты, а не обёртка, особенно учитывая, что конфета бесплатная.
Это очень хорошее видео. Оно состоит из понятных рассуждений и обостряет интерес к продолжению. Особенно интересен алгоритм подбора весов и конечно многое другое.
14:45 опечатка. В векторе сдвигов последний элемент должен быть bk, а не bn. Произведение слева - вектор столбец длины k+1 (во втором слое k+1 нейронов). P.S. Автору и переводчику огромный респект! Самое крутое объяеснение нейросети. Ждём продолжения переводов. По линейной алгебре тоже огонь, советую. Даёт геометрическую интуицию и реальное понимание, а не тупое зазубривание алгоритмов, как это обычно учат в школе/универе.
Огромное спасибо за то, что вы делаете. Надеюсь, это не будет заброшено, ведь в России так мало людей, которые интересуются подобным контентом((( Очень-очень хотелось бы увидеть видео в переводе о кватернионах)
@@vsratko_ebich технологические инновации идут не только "оттуда", а их создают во всём мире, где Россия, Индия и Китай занимают лидирующие позиции. В России же не все недоразвитые, как ты.
@@vsratko_ebich чтобы писать об инновациях, нужно к ним хотя бы приблизиться немного. А судя по тому, что вы пишете, вы черпаете знания об инновациях из жёлтой прессы.
@@vsratko_ebich Как бомжи с бутылкой водки рассуждают о политике, так и ты о инновациях. А у самого даже не хватает душка собрать шмотки и уехать в развитую страну. Но только ты там нахер не сдался никому, поэтому без вариантов.
Очень доходчиво! Хотя и сжато! Матрицы и веса, конечно, не новое, известны из курса высшей математики😃 но главная идея, видимо, в том, что трудоёмкая ручная работа по вычислению значений переложена на компьютеры! Про сигмоиду и ее простое использование))) в операциях мне понравилось!
Наш мозг пытается понять как он устроен.. И не просто пытается понять, а уже вполне конретно многое понял и сделал штуки похожие на себя! Как же причудливы формы движения материи во вселенной
Используете специальный психологический приём, когда вы отделяетесь от собственного мозга и как бы наблюдаете извне, чтобы создать вид, что вы исследователь или чтобы показать, что вы исследователь?
Естественно, мозг не может исследовать сам себя. Отсюда вывод, что мы это не мозг. Мозг лишь машина и не умеет мыслить, подобно компьютеру и нужен пользователь, который будет этой машиной управлять, пользователь это и есть тот, кто думает.
@@Last_Player555 Спорные утверждения. Во первых может мозг исследовать сам себя, ну, не в прямом конечно смысле, а вот чужой мозг в томографе запросто. И исследуют и много чего уже известно
@@naturetechno6001 на томографе можно лишь увидеть следствие мышления, увидеть как работает машина. Это то же самое, что изучать прибором автомобиль, видеть как срабатывает руль или педали, передачи, и делать выводы на этом, почему автомобиль едет, но не видеть водителя, потому, что он скрыт от прямого наблюдения.
Приятно когда не нужно делать лишних действий а просто закинуть 📸 или 📹 в дизайнерскую среду. С описанием К её ретушированию И на выходе получить желаемый результат. ЭТО не просто Ускоряет процесс редактирования и обработки 📸 а Выводит его на новый мировой уровень. Редактор Wombo Al Основан на одном из фильтров компании Adobe И является независимым проэкт ом но его развитие и обучение путём проб и ошибок и их исправлении позволяет ускорить процесс обучения всей Нейросети компании Adobe. Проэкт Wombo Al Появился на свет недавно буквально в Феврале 2021 года. И нуждается в раскрутке и возможном Спонсировани.
Нейроны не "зажигаются" а достигают предела при котором происходит электрический пробой нейрона. Такая сеть очень сложна для начинающего. Надо начинать с сети которую невозможно больше упростить. Нейроны да - можно обозначать числами, но только целыми числами дробные числа усложняют задачу.
ещё PDA распознавали циферки и буковки из рукописного ввода. но ведь у них не было мощных процессоров и нейросеть там бы тормозила. тогда как они это делали? ответ очень прост! они использовали расстояние Хэмминга - en.wikipedia.org/wiki/Hamming_distance если циферки от 0 до 9 представить в виде 1-мерного массива (расположить все пиксели от верхнего-левого угла до правого-нижнего), то получим 10 одномерных массивов. у рукописного ввода определяем границы символов (тупо сканируем по вертикальным и горизонтальным линиям где хоть 1 не белая точка встрачается пока не будут найдены строки и столбцы границ символов), а каждый символ масштабируем до размеров тех 10 эталонов и тоже приводим к 1-мерному массиву. затем каждый символ сравниваем по расстоянию Хэмминга с 10 эталонами и где расстояние Хэмминга меньше - та цифра это и есть! возможно описание кажется длинным, но это самое простое, эффективное и быстрое (для процессора и памяти компьютера или телефона) решение. да, вот так вот просто можно распознавать рукописный ввод. можно буквально за час написать и поиграться. безо всяких нейросетей. вывод: учим математику ;-)
Супер! Что такое расстояние Хемминга для двоичных чисел я знал раньше (код Грея и все такое) но сейчас взглянув на указанную статью в Википедии был немного обескуражен тем, что "расстояние" для не-двоичных наборов вычисляется как кол-во не совпадающих разрядов, не важно кол-во возможных состояний разряда. То есть расстояние между белым и почти-белым пикселем равно 1 также как и между черным и былым! И это при том, что разложив два набора в двоичный вид (по сути, лишь изменив форму представления), получится другое расстояние! А так наводка на использование расстояния Хемминга для распознавания образов меня впечатлила, я про такое не знал, сразу (Остапа понесло) стал представлять распознавание отпечатков пальцев, жесты и т.п. Респект!
Всегда можно придумать алгоритм для распознавания чего-то, но самое забавное в том, что это не нейросеть. И эту ошибку я совершаю каждый раз, придумывая алгоритм, но нейросеть так не работает. К примеру для распознавания кружков, палок, квадратов можно придумать и написать алгоритм, у меня с этим никогда проблем не было. Но опять же это не нейросеть. Программирование нейросетей это нечто другое и это не обычное программирование, поэтому обычный кодер привыкший к решению задач через выстраивание логических связей и блоксхем должен будет фактически учиться заново прогить, по новому и новым способом. И чем больший у него стаж тем труднее ему будет перестраиваться.
Наконец-то понятное объяснение работы нейрости, другие статьи и видео объясняли слишком замудрено и много терминов использовали Не понял только зачем нужны сдвиги(если можно объясните пожалуйста, хочу сам создать проект с нейросетью, но так и не понимал, как они работают) и как всё-таки обучаются нейросети(жду видео)
Вы только представьте как нейросеть сможет распознавать трехмерные объекты, там ведь будут происходить бесконечные вычисления объекта, при этом в базе данных, информация об объекте должна находиться с разных ракурсов.... Это как фильме о терминаторе, когда на красном экране происходит распознавание объекта и в углу экрана выводиться таблица с 3 мерным динамическим изображением. А теперь представьте, что нейросети нужно распознать в вас не просто человека, а конкретного человека(визуально), сколько будет нужно виртуальной памяти.....
черт побери, это вообще нормально что я не только понял что было показано в этом видео, но и правильно представлял себе общую концепцию того как это работает? это настолько странно, что мне кажется я что-то неправильно понял))
Каждый вправе выбирать своё будущее. И мы идём в будущее, которое сами выбрали! Пусть мы не знаем, что будет завтра, но ради него мы живём на полную сегодня!
Короче это - разбиение любой картинки или звука, чего угодно на примитивы, простейшие составляющие, кирпичики, работа с ассоциациями, и далее уже идет работа с этими кирпичиками, с тем, как они расположены. Когда элемент, пиксель один, то все очень просто - он взаимодействует сам с собой, когда же элементов много - то это уже матрица, и чем больше ячеек матрицы, и чем шире диапазон изменений каждой ячейки - тем сложнее анализ этой матрицы, естественно. Теперь понятно для чего создал нас Творец? - А для того чтобы изучать взаимодействие множества, то есть матрицы, для этого он создал таких же, но более молодых, начинающих творцов, то есть нас, мы, свою очередь, когда-нибудь будем создавать свои миры, и нашего Творца создал другой Творец, того - другой - и так бесконечно. Как говорится, если ученый не в состоянии объяснить ребенку любую вещь - то это не ученый, а шарлатан, псевдоученый, слабак. Мир поделен на 12 измерений (условно, так как на самом деле все бесконечно), чем выше измерение - тем выше частота, тем сложнее матрица, тем больше сверхспособностей у человека. В настоящее время мы живем в третьем измерении, в мире максимально четкого разделения всего и вся, с пятого измерения начинается процес объединения, границы между объектами уже не такие четкие, уже видится что все в мире есть энергия, люди объединяют свои разумы в единую сеть, нет противоречий и подавлений, а есть единство в многообразии. Правое полушарие мозга отвечает за интуицию - за связь с другими измерениями, в которых тоже живет его душа, и за воображение, за творчество, а левое полушарие за работу в этом измерении - оно создает время, ведет его отсчет своими биологическими часами, обеспечивает работу логики
Это видео просто бомба ,я конечно это все и до этого знал но как оно хорошо объясняет ,кстати не знал про релу , только про сигмоиду . Больше переводов + лайк подписка колокольчик .( эх как повезло англо язычным у них столько контента сразу, но все же я выучу Английский и это будет значить ,что у меня станет больше контента и Русский и Английский)) ) Правда я за жизнь все это не выучу но нестрашно значит будет из чего выбирать .))))
Отлично.Толково.Логично.Ясно.Без воды в решето налита информация.Спасибо автору ролика.И переводчику.Ждем новые Проекты.Переводы.Успехов.784. 28. 28. Всего то 13 тыс. Функций.Ага.Не так уж и много.
Here is Ai - Artifical Intelegence. Такое обучение есть у NVIDIA. те кто понимает о чем идет речь могут смело подавать резюме - а я в свою очередь ждать новую модель видеокарточки.
* Deep Learning * Deep learning is a subset of AI and machine learning that uses multi-layered artificial neural networks to deliver state-of-the-art accuracy in tasks such as object detection, speech recognition, language translation and others. Deep learning differs from traditional machine learning techniques in that they can automatically learn representations from data such as images, video or text, without introducing hand-coded rules or human domain knowledge. Their highly flexible architectures can learn directly from raw data and can increase their predictive accuracy when provided with more data.
Парни, спасибо за перевод, вы большие молодцы! Есть маленькое замечание, русскоязычный голос звучит странновато, если воспроизводить видео в ускоренном режиме, тембр голоса неузнаваемо меняется независимо от параметра ускорения, от 1.25х до 2х.
Перевод хороший) но Больше похоже на обыкновенный дешифратор только для дешифрации int чисел, тут всё просто берем элементы элементы и и складываем в итоге на выходе получается что только на выдаёт единицы это не нейросеть!
Оу, я писал такую нейронную сесть, и она как раз распознает рукописные цифры. набор этих данных для тренировки сети по моему называется MNIST. начинал с книги Тарик Рашид - Создаем нейронную сеть. Очень хорошая книга для введения.
10 лет назад когда мы делали лабу по этому материалу я даже не понимал что я делаю( Если бы у нас только были такие материалы как этот тогда, я бы наверное многое понял и большего достиг в жизни. Теперь главное что бы сегодняшний студент предпочитал такого рода видео тупым сериалам и бесполезным играм на пк или консоли.
![[DeepLearning | видео 2] Градиентный спуск: как учатся нейронные сети](http://i.ytimg.com/vi/f9oDe4Yq4E0/mqdefault.jpg)
![[DeepLearning | видео 2] Градиентный спуск: как учатся нейронные сети](/img/tr.png)
Спасибо большое автору за перевод и за то что делает материал для русскоязычных новчиков, пока еще не знающих английский, более доступным на старте.
Я надеюсь что людей, которые действительно понимают насколько это полезное видео, очень много
вряд ли это люди...... ха ха ха
@@Xanadu379 могу сказать что я человек
@@Darkness-es3zb конечно, по нику же понятно.
@@Xanadu379ахахахахаха
Эта серия роликов, она - на вес золота
Читаю книгу по нейросетям «глубокое погружение», и тут материал прям все по полочкам ставит сразу огромный респект за перевод !!!
кто автор? не подскажете
@@morisunkas8301
Николенко,Кадурин, Архангельская
Гудфеллоу, Бенджио, Курвилль. Возможно, подразумевалась их книга
Впервые плюсанул до просмотра, потому что раньше смотрел это видео на английском. Спасибо за перевод.
Сел поесть, Ну и думаю, посмотрю что-нибудь интересное :-) Если умножить разные виды еды на разные напитки, то получится набор блюд, В среднем которое вы любите есть. Ну от 0 до 9. Вот такая математика
Там исключение прописывать надо) молоко с рыбой например)
Не умножить, а сложить/объединить...
Что в итоге то получил , 798 набор блюд?:))) Нахрен повров, пусть нейронка стряпает:))
Добро пожаловать в комбинаторику!) у Райгородского есть крутейшие лекции по ней)
😂
Теперь осталось распознать почерк врача
Теперь у меня появилась цель в изучении нейронных сетей
Не скажу, что заполняемые от руки истории болезни остались в далёком прошлом. Однако российские врачи наших дней, кого я видел, историю болезни, как и остальную документацию ведут теперь иключительно в электронном виде на центральном сервере больницы через персональный компьютер в своём кабинете.
@@radikusmanov7574 ты хотел сказать московские врачи?
@@РазДва-ш8о не надо обвинять меня в том, чего я не писал. Написано же: ""... кого я видел ...". Или вы дальше первого предложения никогда не читаете, тут же бросаетесь отвечать?
Даже при том, что Москва - это не Россия, больницы в остальных крупных городах тоже компьютеризированы. А что касается сельских больниц, то там и в советские времена с медициной был полный мрак, не до компьютеров. Если во времена Брежнева роль праздничной витрины социализма исполняло государство ГДР, то в наши дни эту роль забрала себе Москва.
@@radikusmanov7574 , еще бы я твои бредни читал, много тебе чести)
Не останавливайтесь пожалуйста! Очень интересно!
Стал изучать нейросети и как раз разбирал пример кода именно этот. Где обучается сеть на базе картинок 28*28. Видео дало более глубокое понимание работы принципа, взаимосвязей, за это огромное спасибо! В примере лектор сказал что это темный ящик и не было понимания как это связано с линейной алгеброй! Тут все стало понятно, ( хотя это ага эффект и иллюзия ;))ибо в обучении сказали что это чёрный ящик. С нетерпением жду продолжение. Очень крутое объяснение про механизм весов, принцип работы, активации. Но чучуть базово изучить как работает мозг с точки зрение нейрофизиологии тоже полезно для полноты картины и объема понимания! С нетерпением жду продолжения как проходит обучение! Вы делаете очень крутую работу!
Ух ты, уже четыре года прошло с твоего комментария. Как успехи в изучении данной темы?
Тоже интересно @@Работа-н9в
Очень хорошее видео. Интересно, доступно, полезно. Можно использовать это видео как один из нейронов, активация которого позволяет распознать любое видео как крутое.
Люблю 3blue1brown. Когда начинал заниматься нейросетями пересмотрел все видео по этой теме. Отличный перевод, однако если вы действительно хотите этим заниматься, то умение смотреть и понимать, что говорит автор в оригинале - обязательное условие. Учите английский!!!
Просто замечательный перевод, продолжайте!!!
Спасибо за хороший перевод, исходник очень крутой и понятный при этом. Благодаря переводу он стал доступен для РУ сегмента. Жаль остальные видео только с сабами (несколько корявыми, но и на этом спасибо, тем кто эти сабы делал).
На клоунов-гуру англ языка и озвучки не обращайте внимания. Главное начинка конфеты, а не обёртка, особенно учитывая, что конфета бесплатная.
Это очень хорошее видео. Оно состоит из понятных рассуждений и обостряет интерес к продолжению. Особенно интересен алгоритм подбора весов и конечно многое другое.
Релью - это сила, я даже не знал об этом, это шикарная возможность оптимизации ресурсов, СУПЕР спасибо.
Вот только обрезает он только левую часть. Если сверху накрутить еще max() и получить max(min(0,a),1), то будет обрезать в двух сторон
спасибо, перевод отличный, полезность информации стремится к ста процентам
Сомневаюсь что с текущим переводом вы уловили суть.
@@bigsponsor критикуешь - предлагай. что можешь посоветовать "понятного"?
@@bornfram6257 Учить английский
@@monochrome6051 Автору, не мешало бы Русский выучить, для начала.
И ста лайкам 🔥
Это просто лучшее, что можно найти на данную тему. Спасибо!
14:45 опечатка. В векторе сдвигов последний элемент должен быть bk, а не bn. Произведение слева - вектор столбец длины k+1 (во втором слое k+1 нейронов).
P.S. Автору и переводчику огромный респект! Самое крутое объяеснение нейросети. Ждём продолжения переводов. По линейной алгебре тоже огонь, советую. Даёт геометрическую интуицию и реальное понимание, а не тупое зазубривание алгоритмов, как это обычно учат в школе/универе.
Тоже заметил.
И где ты тут увидел суть обучения нейронки?
где найти видео номер3 про линейную алгебру упоминаемую автором в данном видео?
ты либо с марса прилетел?)
Хах. Точняк! Ведь b соответствуют след.слою, а не пред.
Самое эффективное вступление в тему, из тех, что мне известны.
Подписка и лайк.
Огромное спасибо за то, что вы делаете. Надеюсь, это не будет заброшено, ведь в России так мало людей, которые интересуются подобным контентом(((
Очень-очень хотелось бы увидеть видео в переводе о кватернионах)
Мало? Дурной што ли?
мда уж...
@@vsratko_ebich технологические инновации идут не только "оттуда", а их создают во всём мире, где Россия, Индия и Китай занимают лидирующие позиции. В России же не все недоразвитые, как ты.
@@vsratko_ebich чтобы писать об инновациях, нужно к ним хотя бы приблизиться немного. А судя по тому, что вы пишете, вы черпаете знания об инновациях из жёлтой прессы.
@@vsratko_ebich Как бомжи с бутылкой водки рассуждают о политике, так и ты о инновациях. А у самого даже не хватает душка собрать шмотки и уехать в развитую страну. Но только ты там нахер не сдался никому, поэтому без вариантов.
Мало что понимаю в математике и IT, но было очень интересно посмотреть!
Переводите смело все видео с того канала и распределяйте по плейлистам.
Цены этому делу не будет.
дададада
озвучка тоже топ , а лучше напишите нейронку которая парсит все с оригинального канала и сама переводит, и сделайте это вводным видео
Ребята из amplify нашли очень правильное место для размещения своей рекламы - браво!
спасибо за старания, +100500!
С такими видео изучать нейросети молодым людям будет гораздо легче
Лучше поняла все просмотренное, когда вспомнила прогу, где по фото человека ищут похожих/того же самого. Автору спасибо. за видео!
Очень доходчиво! Хотя и сжато! Матрицы и веса, конечно, не новое, известны из курса высшей математики😃 но главная идея, видимо, в том, что трудоёмкая ручная работа по вычислению значений переложена на компьютеры! Про сигмоиду и ее простое использование))) в операциях мне понравилось!
Наш мозг пытается понять как он устроен.. И не просто пытается понять, а уже вполне конретно многое понял и сделал штуки похожие на себя! Как же причудливы формы движения материи во вселенной
Используете специальный психологический приём, когда вы отделяетесь от собственного мозга и как бы наблюдаете извне, чтобы создать вид, что вы исследователь или чтобы показать, что вы исследователь?
@@lastchance9005 Та наверно нет
Естественно, мозг не может исследовать сам себя. Отсюда вывод, что мы это не мозг. Мозг лишь машина и не умеет мыслить, подобно компьютеру и нужен пользователь, который будет этой машиной управлять, пользователь это и есть тот, кто думает.
@@Last_Player555 Спорные утверждения. Во первых может мозг исследовать сам себя, ну, не в прямом конечно смысле, а вот чужой мозг в томографе запросто. И исследуют и много чего уже известно
@@naturetechno6001 на томографе можно лишь увидеть следствие мышления, увидеть как работает машина. Это то же самое, что изучать прибором автомобиль, видеть как срабатывает руль или педали, передачи, и делать выводы на этом, почему автомобиль едет, но не видеть водителя, потому, что он скрыт от прямого наблюдения.
Спасибо. Было познавательно. Объяснили даже понятнее преподавателей с вышки.
Спасибо автор, наконец то хоть что-то понятно становится.
Спасибо авторам, надеюсь у них всё хорошо
Хорошая озвучка. Не останавливайтесь, продолжайте. Подписался.
I met that magic when bought the FineReader program of the ABBYY company in 1996. It was great.
Спасибо огромное, как раз то что нужно!!! С нетерпением жду следующего видео)
Возможно я что-то понял, а возможно нет, но это мы поймем потом, а пока я ничего не понял.
Вот очень простое объяснение что такое нейросеть и как работает th-cam.com/video/5UL0KTpDUJw/w-d-xo.html
DeDim для этого нужно время, но времени нет
я тоже, но! Моя нейросеть хоть и в ступоре(сраный гуманитарий), идём дальше, тренируем биологическую нейросеть дабы понять электронную)
@@Кубик-с6ч а шо недоступно та?
Наконец-то нормальное видео на примере, молодцы!
Гениально... Сканер, сравнение и вероятность... Так просто...
Благодарю тебя! Мне важно все, что ты совершаешь в мире.
Спасибо за видео) хотелось бы увидеть серию видео про линейную алгебру в этом переводе
Я тут из будущего. У нас появился умный ИИ Chat GPT
Приятно когда не нужно делать лишних действий а просто закинуть 📸 или 📹 в дизайнерскую среду. С описанием
К её ретушированию
И на выходе получить желаемый результат.
ЭТО не просто Ускоряет процесс редактирования и обработки 📸 а Выводит его на новый мировой уровень.
Редактор Wombo Al
Основан на одном из фильтров компании Adobe
И является независимым проэкт ом но его развитие и обучение путём проб и ошибок и их исправлении позволяет ускорить процесс обучения всей Нейросети компании Adobe.
Проэкт Wombo Al
Появился на свет недавно буквально в Феврале 2021 года.
И нуждается в раскрутке и возможном Спонсировани.
Только подумал, что оригинальное видео нужно перевести и в рекомендациях увидел перевод.
Нейроны не "зажигаются" а достигают предела при котором происходит электрический пробой нейрона. Такая сеть очень сложна для начинающего. Надо начинать с сети которую невозможно больше упростить. Нейроны да - можно обозначать числами, но только целыми числами дробные числа усложняют задачу.
Мне почему то и страшно за будущее, но одновременно и интригующе, куда же мы придем)
Благодарю за видео. Жду продолжение !
всё чётко сжато, настоящий талант
Довольно понятно и доступно даже для блондинки
Давайте следующее. Куда донатить?
+++
+++
+++
Похоже что и в природе нет 2 части
@@bublik20 есть
Спасибо большое за отличное видео и перевод!!!!
ещё PDA распознавали циферки и буковки из рукописного ввода. но ведь у них не было мощных процессоров и нейросеть там бы тормозила. тогда как они это делали?
ответ очень прост! они использовали расстояние Хэмминга - en.wikipedia.org/wiki/Hamming_distance
если циферки от 0 до 9 представить в виде 1-мерного массива (расположить все пиксели от верхнего-левого угла до правого-нижнего), то получим 10 одномерных массивов.
у рукописного ввода определяем границы символов (тупо сканируем по вертикальным и горизонтальным линиям где хоть 1 не белая точка встрачается пока не будут найдены строки и столбцы границ символов), а каждый символ масштабируем до размеров тех 10 эталонов и тоже приводим к 1-мерному массиву. затем каждый символ сравниваем по расстоянию Хэмминга с 10 эталонами и где расстояние Хэмминга меньше - та цифра это и есть!
возможно описание кажется длинным, но это самое простое, эффективное и быстрое (для процессора и памяти компьютера или телефона) решение.
да, вот так вот просто можно распознавать рукописный ввод. можно буквально за час написать и поиграться. безо всяких нейросетей.
вывод: учим математику ;-)
Супер! Что такое расстояние Хемминга для двоичных чисел я знал раньше (код Грея и все такое) но сейчас взглянув на указанную статью в Википедии был немного обескуражен тем, что "расстояние" для не-двоичных наборов вычисляется как кол-во не совпадающих разрядов, не важно кол-во возможных состояний разряда. То есть расстояние между белым и почти-белым пикселем равно 1 также как и между черным и былым! И это при том, что разложив два набора в двоичный вид (по сути, лишь изменив форму представления), получится другое расстояние! А так наводка на использование расстояния Хемминга для распознавания образов меня впечатлила, я про такое не знал, сразу (Остапа понесло) стал представлять распознавание отпечатков пальцев, жесты и т.п. Респект!
@@eugenedukatta9355 и главное работать будет даже "на ардуине" потому как незатратно по CPU ;-)
Всегда можно придумать алгоритм для распознавания чего-то, но самое забавное в том, что это не нейросеть. И эту ошибку я совершаю каждый раз, придумывая алгоритм, но нейросеть так не работает. К примеру для распознавания кружков, палок, квадратов можно придумать и написать алгоритм, у меня с этим никогда проблем не было. Но опять же это не нейросеть. Программирование нейросетей это нечто другое и это не обычное программирование, поэтому обычный кодер привыкший к решению задач через выстраивание логических связей и блоксхем должен будет фактически учиться заново прогить, по новому и новым способом. И чем больший у него стаж тем труднее ему будет перестраиваться.
24 . 11 . 2024 : Я желаю Вам СЧАСТЬЯ (СВЕТА-ДОБРА-ЛЮБВИ) !
Напоминает урок про «Как нарисовать сову», точно так же будет долго-долго рисуем два кружка, а потом просто дорисуйте недостающие детали.
Это просто невероятно круто!
Наконец-то понятное объяснение работы нейрости, другие статьи и видео объясняли слишком замудрено и много терминов использовали
Не понял только зачем нужны сдвиги(если можно объясните пожалуйста, хочу сам создать проект с нейросетью, но так и не понимал, как они работают) и как всё-таки обучаются нейросети(жду видео)
Это просто шедевр
Большое спасибо автору перевода
В общем, спасибо, ждем продолжения.
Получается, что чем больше ассоциаций - тем лучше.
Обожаю подобный звук: звучит интересно. А люди, жалующиеся на него, совсем разучились воспринимать информацию в форме, не нацеленной на массы
Основном биомасса стали благодарные, мобилизации цивилизации, не глупость, не слабость, не тупость а природа нашей сущности.
По моему, она, как раз таки, нацелена на массы))))
Успіх завжди мій брат Амінь ❤❤❤❤❤❤❤
Автору большое спасибо!
Это просто фантастика!
ничего не понял, но очень интересно
Даже решил подписаться 🤔
Если бы я не был знаком с нейросетями с таким говно-переводом тоже бы ничего не понял.
Тоже не понял что скозали.Я такие вычисления не проходил .Были токо дроби .
@@nikolay2597 ору
ахахахах
Вы только представьте как нейросеть сможет распознавать трехмерные объекты, там ведь будут происходить бесконечные вычисления объекта, при этом в базе данных, информация об объекте должна находиться с разных ракурсов.... Это как фильме о терминаторе, когда на красном экране происходит распознавание объекта и в углу экрана выводиться таблица с 3 мерным динамическим изображением. А теперь представьте, что нейросети нужно распознать в вас не просто человека, а конкретного человека(визуально), сколько будет нужно виртуальной памяти.....
крутое видео и крутой перевод(всё достаточно понятно)
Вынос мозга... Но я сумел смутно представить себе нейросеть по опознанию лиц!
Теперь понятно откуда взялось photomath
Автор сделай пожалуйста продолжение этой темы.
Может дальше переводы начать? Хороший перевод. Смысл передан.
Давай продолжение, всё очень круто!!!
черт побери, это вообще нормально что я не только понял что было показано в этом видео, но и правильно представлял себе общую концепцию того как это работает? это настолько странно, что мне кажется я что-то неправильно понял))
На то и создают подобные видео, чтобы каждый дэб понял. Странно скорее то, что многие даже это понять не могут
Каждый вправе выбирать своё будущее. И мы идём в будущее, которое сами выбрали! Пусть мы не знаем, что будет завтра, но ради него мы живём на полную сегодня!
очень доходчиво интересно и по делу , строго лайк и подписон
Ну и сардельку тебе в попу
Короче это - разбиение любой картинки или звука, чего угодно на примитивы, простейшие составляющие, кирпичики, работа с ассоциациями, и далее уже идет работа с этими кирпичиками, с тем, как они расположены. Когда элемент, пиксель один, то все очень просто - он взаимодействует сам с собой, когда же элементов много - то это уже матрица, и чем больше ячеек матрицы, и чем шире диапазон изменений каждой ячейки - тем сложнее анализ этой матрицы, естественно. Теперь понятно для чего создал нас Творец? - А для того чтобы изучать взаимодействие множества, то есть матрицы, для этого он создал таких же, но более молодых, начинающих творцов, то есть нас, мы, свою очередь, когда-нибудь будем создавать свои миры, и нашего Творца создал другой Творец, того - другой - и так бесконечно. Как говорится, если ученый не в состоянии объяснить ребенку любую вещь - то это не ученый, а шарлатан, псевдоученый, слабак. Мир поделен на 12 измерений (условно, так как на самом деле все бесконечно), чем выше измерение - тем выше частота, тем сложнее матрица, тем больше сверхспособностей у человека. В настоящее время мы живем в третьем измерении, в мире максимально четкого разделения всего и вся, с пятого измерения начинается процес объединения, границы между объектами уже не такие четкие, уже видится что все в мире есть энергия, люди объединяют свои разумы в единую сеть, нет противоречий и подавлений, а есть единство в многообразии. Правое полушарие мозга отвечает за интуицию - за связь с другими измерениями, в которых тоже живет его душа, и за воображение, за творчество, а левое полушарие за работу в этом измерении - оно создает время, ведет его отсчет своими биологическими часами, обеспечивает работу логики
ты погнал, братан
Шедевр
Хотя я немного интересуюсь темой, лучше молча поставлю лайк!!!
Это видео просто бомба ,я конечно это все и до этого знал но как оно хорошо объясняет ,кстати не знал про релу , только про сигмоиду . Больше переводов + лайк подписка колокольчик .( эх как повезло англо язычным у них столько контента сразу, но все же я выучу Английский и это будет значить ,что у меня станет больше контента и Русский и Английский)) ) Правда я за жизнь все это не выучу но нестрашно значит будет из чего выбирать .))))
deep level decomposition
sigmoid(logistic curve) vs RElu
Linear algebra, matrix
how to do the same learning?
Отлично.Толково.Логично.Ясно.Без воды в решето налита информация.Спасибо автору ролика.И переводчику.Ждем новые Проекты.Переводы.Успехов.784. 28. 28. Всего то 13 тыс. Функций.Ага.Не так уж и много.
очень интересно как мы учимся))
прекрасное видео
Here is Ai - Artifical Intelegence. Такое обучение есть у NVIDIA. те кто понимает о чем идет речь могут смело подавать резюме - а я в свою очередь ждать новую модель видеокарточки.
вау очень круто и понятно
спасибо
Ok now TH-cam recommended has gone too far. I don't even speak this language.
it's all because your neural network is poorly developed, learn Russian
* Deep Learning
*
Deep learning is a subset of AI and machine learning that uses multi-layered artificial neural networks to deliver state-of-the-art accuracy in tasks such as object detection, speech recognition, language translation and others.
Deep learning differs from traditional machine learning techniques in that they can automatically learn representations from data such as images, video or text, without introducing hand-coded rules or human domain knowledge. Their highly flexible architectures can learn directly from raw data and can increase their predictive accuracy when provided with more data.
Спасибо, прекрасное объяснение
Хауди Хо решил не запариваться над поиском информации
Все понятно! Все хорошо рассказано, но это потому что про нейросети я читал до этого.
видео не видел еще, но подписался уже.
Парни, спасибо за перевод, вы большие молодцы! Есть маленькое замечание, русскоязычный голос звучит странновато, если воспроизводить видео в ускоренном режиме, тембр голоса неузнаваемо меняется независимо от параметра ускорения, от 1.25х до 2х.
UPD: это искажение голоса только на IPad, на Андроид-телефонах и на десктопе под Linux всё нормально.
Перевод хороший) но Больше похоже на обыкновенный дешифратор только для дешифрации int чисел, тут всё просто берем элементы элементы и и складываем в итоге на выходе получается что только на выдаёт единицы это не нейросеть!
Спасибо за перевод, когда смотрел в переводе нейросетей Яндекса, то ничего не понял
Ждём продолжения!...
Оу, я писал такую нейронную сесть, и она как раз распознает рукописные цифры. набор этих данных для тренировки сети по моему называется MNIST. начинал с книги Тарик Рашид - Создаем нейронную сеть. Очень хорошая книга для введения.
Развитие нейросетей для таких компаний как Adobe. Является очень важным направлением.
10 лет назад когда мы делали лабу по этому материалу я даже не понимал что я делаю( Если бы у нас только были такие материалы как этот тогда, я бы наверное многое понял и большего достиг в жизни. Теперь главное что бы сегодняшний студент предпочитал такого рода видео тупым сериалам и бесполезным играм на пк или консоли.
наконец то мне ктото нормально обьяснил все это.
Эх бля, а я в универе выебывался, что матан не нужен для программирования. А вот теперь нужен(
Жду продолжение до обеда!
Нихрена не понял, но было интересно, наверно
Вот очень простое объяснение что такое нейросеть и как работает th-cam.com/video/5UL0KTpDUJw/w-d-xo.html
очень интересно. ну вы в курсе.
говорила Мама - учись ;))
Вопрос
Как делаю такие анимации
Всегда было интересно, но никогда не узнавал