Структура и принцип работы полносвязных нейронных сетей | #1 нейросети на Python
ฝัง
- เผยแพร่เมื่อ 18 มิ.ย. 2020
- Структура нейронных сетей, полносвязные нейронные сети прямого распространение. Входной слой, скрытые слои, выходной слой. Принцип работы нейрона. Пороговая функция активации.
Телеграм-канал: t.me/machine_learning_selfedu
Инфо-сайт: proproprogs.ru
lesson 1.py: github.com/selfedu-rus/neural...
На условие "наличие квартиры" можно было и побольше вес накинуть)
Девушка еще слишком не опытна.
Такой вес был нужен для наглядности, как ни как мы учим нейронные сети а не психологию.
вес 0,9
@@mrzxccxz правда что-ли? а мы думали он серьёзно писал.
@@WitcherCoin 🤣
Боже, сколько знает этот человек, просто невообразимо. Такое множество разных видеокурсов, порой совсем не связанных! Спасибо большое за ваш труд!
А я то думал что у женщин в голове а тут все понятно рассказано спасибо!
Рано тебе ещё думать.
@@iforvard ты про что?
@@PrivateProxyставит себя в высокую позицию принижая тебя,не отвечай на такие утверждения
там слоев больше и свяжи сложнее, а так , да, принцип именно такой))
@surf Она позволяет хранить сразу всю структуру слоя, каждая строка - отдельный нейрон, каждый столбец - его входные веса. Делая скалярное умножение(dot) этой матрицы с вектором выходных значений прошлого слоя, на выходе получим вектор результирующих сумм для всех нейронов текущего слоя. Теперь осталось прогнать это через любую не линейную(пороговую) функцию, и мы получим вектор выходных значений! Эти значения уже поступают на вход в новый слой - скалярно перемножаясь с матрицей этого слоя, и так по цепочке до самого финального слоя нашей сетки.
Очень хорошо объясняете, на пальцах, как в начальной школе. Спасибо
Спасибо за контент. То что ты делаешь, имеет большое значение для тех кто хочет реально учиться. Мне нравится смотреть твои видео.
Обожаю слушать людей, которые умеют объяснять.
Большое спасибо.
Самое понятное объяснение нейронок для чайников на всём ютубе! Спасибо огромное!
наконец-то понятный разбор нейросети!а то все остальные больше выпендриваются как они умеют и ничего не объясняют толком
Это лучшее, что я смог найти в интернете для самоучек. Только благодаря вам я - глухой дум-думб смог написать первую НС. Огромное спасибо
Визуализация с девочкой это самый лучший и понятный пример работы нейрона, который я видел
Теперь мы знаем, что у женщин в голове всего 6 нейронов с:
Годная тема, как вступление очень зашло, главное по сути без воды
Если кому интересно, после прохождения урока можно сделать пару практических задание для закрепления, мне это сильно помогло, оставлю их здесь:
Заданий 1 (с планом действий):
Создайте простую нейронную сеть, которая определяет, является ли данный фрукт яблоком или апельсином, на основе трех параметров: цвет (красный = 1, оранжевый = 0), форма (круглая = 1, продолговатая = 0) и вкус (сладкий = 1, кислый = 0). Веса придумайте самостоятельно.
План действий, чтобы не запутаться:
Инициализируйте входные параметры и веса для нейронной сети.
Создайте функцию активации, которая будет использоваться для определения выходного значения нейронов.
Сделайте функцию для расчета выходного значения, пусть она принимает на вход цвет, форму, вкус, и возвращает фрукт, в ней:
В ней задайте входной слой, придумайте веса
Вычислите значения первого скрытого слоя и примените к ним функцию активации
Вычислите выход сети и примените к нему функцию активации
В зависимости от выхода сети, выведите название фрукта
Задание 2 (самостоятельно):
Без подсказок создайте простую нейронную сеть, которая предсказывает, понравится ли человеку фильм, основываясь на трех параметрах: жанр (боевик = 1, комедия = 0), продолжительность (длинный = 1, короткий = 0) и исполнитель главной роли (любимый = 1, нелюбимый = 0). Веса придумайте самостоятельно.
Можешь, плз, объяснить по первой задаче? Я не понимаю. Он должен выдать либо яблоко, либо апельсин. Что он должен выдать, если форма = 0? Или если он кислый и красный (оранжевый сладкий). Я не совсем понимаю задание.
@@VeselijDrozd На ваш выбор установите веса, просто реализуйте нейронку а веса пока что поставьте рандомные, потом сами придумайте их
Просьба проверить!
"""
color :
красный = 1
оранжевый = 0
shape :
круглая = 1
продолговатая = 0
taste :
сладкий = 1
кислый = 0
пороговое значение для определяющей функции:
1 - яблоко
0 - апельсин
"""
def act(x):
return 1 if x >= 1 else 0
def go(color, shape, taste): #решающая функция
x = np.array([color, shape, taste]) #вектор вводных параметров
w = [1, 0.5, 0.8] #веса связей
weight = np.array([w]) #превращаем в вектор массив весов
sum_in = np.dot(weight, x)
y = np.array([act(x) for x in sum_in]) #выходные значения
print('Выходное значение НС' + str(y))
return y
color = 0
shape = 0
taste = 0
res = go(color, shape, taste)
if res >=1:
print("Это яблоко")
else:
print("Это апельсин")
К первой задаче весы придумал кому надо и граничное значение для нейрона:
Чтоб не спойлерить, читайте ниже.
Цвет: 0.8975
Форма: 0.088
Вкус: 0.2342
Гр. Значение: 0.1558
У меня всё работает нормалёк с такими.
спасибо. А продолговатая форма - это яблоко, апельсин или ни то, ни другое ? Не подскажете, где просмотреть / почитать что такое нейросеть и какие идеи лежат в основе слоёв и весов ? Хотелось бы пример из жизни, поясняющий этапы анализа нейросетью сущности....
Большое спасибо вам за ролик! Ваши иллюстрации работы входов нейронов помогли понять эту тему, да и в целом все объяснение очень лаконичное
Спасибо! Не думал что от уроков можно получать удовольствие!
Благодарю. Очень нравятся Ваши лекции. Лаконично, понятно и есть возможность "поиграться" самому. Удачи!
Спасибо большое! До этого момента вообще мало представлял как создаются подобные сети. А оказывается всё в целом просто
Очень наглядно и понятно)
Спасибо! Очень понятно расписал. Всю ночь до этого читал статьи и смотрел видео, а тут прям простым языком. Спасибо!
Золотые примеры в ваших роликах, на них очень легко все понимать, а главное запоминается
Спасибо за Ваш труд! очень доступно, учусь по Вашим лекциям с удовольствием, отличное подспорье для новичков в ML
Классно объясняешь, без ненужной тонны формул, как это делают многие
Если такой гуманитарий как я смог это понять, то и другие тоже. Спасибо за ваш контент, редко можно встретить такие гайды
Спасибо вам за замечательный курс по Python. Сейчас прохожу его.
Отличное и последовательное объяснение о перцептроне, спасибо! Прочитал десяток статей, но не мог найти объяснение кода, а если оно и было-казалось очень сложным, только после этого видео понял что к чему)
Как всегда, супер объяснение. Большое спасибо!
цель была достигнута, спасибо. не задумывался что все в итоге сводится к перемножению матриц с ф-ей активатором. Волшебство потихоньку становится понятнее
Мужик, ты реально выручаешь, у меня на курсе методов оптимизации быстро прошлись поверхностно и заданий вывалили огромное количество, хорошо хоть твой канал нашел
Супер-пупер крутяк!!!! Долго до меня не могло дойти, что к чему вообще! Да ещё эти скрытые слои
Женская психология в трёх нейронах
ахахахах
Супер! Спасибо за урок, понятно все с первого раза!
Просто о сложном и с приятным голосом, спасибо 🙏
это самое лучшее объяснение, которое я когда-либо видела, правда. все разложено по полочкам, ничего лишнего. однозначно лайк
очень хорошая подача материала! прям сразу лайк, редко отписываюсь, но тут нужно прям)
Спасибо большое за такие качественные и понятные видео!!!
Контент на вес золота, спасибо 🔥🙌
Нереально крутое, понятное и легкое объяснение! Спасибо so much!!!)
Аааа!!! Очень крутое видео! Автор просто гений! Спасибочки за простое и понятное объяснение ❤️
Я очень долго искал видео, где пойму хотя бы примерно, что это такое, в основном несут какую-то дичь и приводят примеры, от которых хочется застрелиться, благодарю, благодаря вашему видео я примерно начал хотя бы понимать саму концепцию нейронной сети, и что это не магия, а продуманное перемножение матриц на строку с ветвлениями, когда я это понял, стало немножко полегче, буду дальше смотреть ваши видео спасибо!
Спасибо за прекрасное и понятное объяснение!
! Спасибо ! за суперский материал и объяснение!
Сформировалось, и сформировалось еще одно понимание, а именно что ты красавчик
Вот это урок просто супер наконец понял что к чему. СПАСИБО
автор, спасибо большое, очень интересно и доступно объясняете!
Очень крутой урок! Спасибо !
Когда учился, на нейронные сети подзабил (не заходили они мне в том виде, в котором они были 20 лет назад). А сейчас заходит на ура.
Лайк за видео!
Урок - супер! Пример - класс, многое стало более понятным и что удивительно не только в нейронных сетях. Лайфхак для обучающихся - запустите пример с «Git» у себя на локальном компе, выведите промежуточные результаты хотя бы «print»-ами шаг за шагом - очень способствует усвоению материала.
Спачибо, хорошо объяснил принцип. Вообще удачно🎉
Спасибо. Классно объяснил и на пальцах, и на пайтоне.
Я потратил 2 дня читая туториалы и объяснения а тут понял мгновенно. Спасибо большое
абалденный урок!
ты красавчик!
ты мне нравишься!
Спасибо за твои видео. Очень понятно объясняешь.)
Спасибо! Очень интересно и легко для понимания!
Это невероятно крутое объяснение, спасибо
Спасибо за лучшее объяснение с кодом Python и смешной пример!
идеальный пример девочки в наше время))
Добрый день.
Большое спасибо за Ваши подробные занятия! Заплатил за обучение Data Science 100000, но качество обучения такое, что приходится более 80% информации искать самому. Во время очередного поиска познакомился с Вашим видео по Numpy и каналом. Теперь осваиваю структуру НС с помощью Ваших занятий. Большое спасибо за то, что Вы делаете. Также, увидел, что у Вас есть курсы на Степике, за что тоже большое спасибо!
Лучшее объяснение !
Объясняете самым доступным языком для гумов,с меня лайк и подписка
Автор красава, единственный кто норм все расписал, спасибо
Хорошая тема!
Всё понятно, спасибо 😄.
Спасибо большое такое в российском ютубе не найти
а где тогда находится это видео? хмм
@@nikolaydvornikov397 хаххахаах
Good, better than any other in youtube!
Спасибо за урок)
Классно объясняете ❤
можно конечно это реализовать с помощью условий, но так как вы рассказали по интересней. Спасибо за видеоряд👍💪
a = input("хата есть: ")
b = input("рок слушает: ")
c = input("кросивый: ")
a1 = 0
b1 = 0
c1 = 0
r1 = 10
if a == "да":
a1 = 1
if b == "да":
r1 = 10 - 1
if c == "да":
c1 = 1
o1 = a1 + b1 + r1
if o1 > 10:
print("я ему дам")
else:
print("не дам")
#написал упрощённый вариант, кажется какую то функцию сей вычислений забыл. Но видео топ
Помню как то в командировке с коллегами вечером сидели пили пиво. И местные девушки которые были с нами в компании узнали что у меня есть квартира. Их нейронные связи начали проявлять ко мне огромный интерес, а мои нейронные связи получили записи из базы данных предыдущих периодах об таких особей, и записи настроек таблицы моральных принципов и выдали результат слать их лесом.
Спасибо все очень понятно
Огромное спасибо!
Шикарно объяснил, теперь придется с этим жить
Гениальный пример.
Благодарю! 👍💯
Спасибо !!! Понятно и интересно. А главное в точности описывает интелектуальный потенциал большинства милых Девочек.
ыы какое умное замечание, сразу видно, что вы то сверхразум. невероятно просто, как мужики умудряются приплетать "таких плохих и ужасных женщин". тем более, что с вас тупых мужиков взять, только квартиру, даже красотой то не отличаетесь :)
Супер!
Благодарю!
Спасибо!
18к просмотров, а всего 900 лайков( Большое спасибо за столь подробный материал)
Наконец то я всё понял =)
Круто))
Ты мега крут Чумба)
спасибо за видео,все очень понятно,для профанов и новичков)))
Р.S.читая комментарии,хочется сказать,что не все женщины такие))сейчас таких и мужчин много)))
подписываюсь!
Благодарю за уроки! Подскажите будьте так добры,задачник толковый,где можно по практиковаться.
Актуально!
Спасибо за контент. В ходе экспериментирования с разными входными данными заметил, что КРАСИВОМУ парню с квартирой и слушающему рок девушка говорит созвонимся, хотя на 8:35 говорится, что для КРАСИВОГО парня остальные 2 фактора не важны и следовательно ответ должен быть "Ты мне нравишься".
сети разные, сначала с одним нейроном, потом с тремя и работа у них получается разная
А в чем замысел делать нейросеть на python с скрытым слоем(+2 нейрона)? Немного непонятно. А в остальном отличное объяснение, особенно если с ручкой и листочком попробовать всё после просмотра записать, ложиться замечательно!
Если уже был где-то ответ, камнями не кидайтесь :D
пиздец, сказал что это связь от j-го нейрона к i-му нейрону, но не сказал откуда берутся j и i и в каком они диапазоне...
Но смысл весов объяснил хорошо
У меня появились вопросы. После 2 слоя нииронов когда мы получаем 1 и -1 мы их должны домножать на 1 и суммировать? Веса после 2 слоя подбираем сами (1,-1)?
лайк реально
Отличное видео, только тем кто не знаком с векаторами и матрица я бы порекомендовал сначала пару видосов посмотреть, чтобы освежить в памяти школьную
Программу
без математики в машинном обучении вообще нечего делать )
7:56 с простой сетью это тоже возможно 0*0,5-0*0,5+1*0,5=0,5 значит f(x)=1 будет встречаться.
я вас люблю
Какую литературу по нейроным сетям порекомендуете?
Вся суть популярного подхода к машинному обучению в одном этом видео.
Комментарий тебе подлиннее для продвижения, обьясняешь очень круто. Тема мне очень важна, надеюсь с твоей помощью вольюсь, ролик до конца досмотрю, так что благодаря этому выпадешь еще пятерым в рекомендации благодаря этому. У меня просто несколько своих каналов. На одном 20к.
Ты очень понятно обьясняешь- благодарю! Могу обратится за консультациями?
Спасибо! На конкретные вопросы в комментариях стараюсь отвечать, по мере своих сил ))
Чтобы скалярно умножить матрицы нужно, чтобы у первой количество столбцов должно было быть равно количеству строк второй, почему в sum_hidden = np.dot(weight1, x) это не так?
Вывод из видео: у девушек при выборе парней работает нейросеть всего с одним слоем. Надо это учитывать при общении с девушками
Здравствуйте! Подскажите, пожалуйста, почему в случае со вторым слоем нейронов, были выбраны именно такие веса? 0,3 0,3 0 и 0,4 -0,5 1. Это абстрактные значения которые вы сами придумали или здесь какая-то вычислительная логика. Если да, то какая? Спасибо!
Выбрал сам, логика простая - чтобы работало )) Вообще, веса подбираются алгоритмами обучения, очень часто с помощью back propagation (он рассматривается на последующих занятиях).
Добрый день, помоему вес у рока должен быть -0.3 в примере, а на 0.3. Так как если у рока вес + 0.3 прибавляем + 0.3 квартира и получаем 0.6, функция активации верхнего нейрона выдаст 1.
Наконец то кто-то объяснил женское мышление )