J: НЕЙРОСЕТИ - самое понятное объяснение + пишем нейросеть с нуля. - видео HD
00:14:47
Обнаружено блокирование рекламы на сайте
Для существования нашего сайта необходим показ рекламы. Просим отнестись с пониманием и добавить сайт в список исключений вашей программы для блокировки рекламы (AdBlock и другие).
12n.ru 18476 роликов
44987 просмотров на сайте 12n.ru
НЕЙРОСЕТИ - самое понятное объяснение + пишем нейросеть с нуля. - видео.
В этом выпуске я расскажу о том, как работают нейросети в понятной для всех форме, скажу всё, что надо знать на начальном этапе о ИИ, а также в конце ролика мы напишем свою собственную нейронную сеть на языке программирования С. Всем приятного просмотра.
-------------------ССЫЛКА НА РЕПОЗИТОРИЙ GITHUB---------------------------
github.com/Nikita-bunikido/Perceptron
Небольшая поправка на 12:00: следует ещё инициализировать последний элемент массива expresults нулём.
Небольшая поправка (2) на 3:32: 0.33 * 0.1 = 0.033
-------------------ССЫЛКА НА РЕПОЗИТОРИЙ GITHUB---------------------------
github.com/Nikita-bunikido/Perceptron
Небольшая поправка на 12:00: следует ещё инициализировать последний элемент массива expresults нулём.
Небольшая поправка (2) на 3:32: 0.33 * 0.1 = 0.033
развернуть свернуть
— твои конкуренты:
Изучите теорию нейронных сетей. Узнайте, как они работают, какие существуют типы нейросетей и какие алгоритмы обучения используются.
Выберите подходящий тип нейросети для решения вашей задачи. Существует множество различных типов нейросетей, таких как перцептроны, рекуррентные нейронные сети, сверточные нейронные сети и т.д. Выберите тот, который наиболее подходит для решения вашей задачи.
Разработайте архитектуру нейросети. Это включает в себя определение количества слоев, числа нейронов в каждом слое и типа активации функции.
Соберите данные для обучения нейросети. Данные должны быть репрезентативными и достаточно большими, чтобы нейросеть могла научиться на них.
Обучите нейросеть на собранных данных. Для этого используйте алгоритмы обучения, такие как обратное распространение ошибки, стохастический градиентный спуск и т.д.
Оцените качество работы нейросети, используя метрики, такие как точность, отзыв и F1-мера.