J: НЕЙРОСЕТИ - самое понятное объяснение + пишем нейросеть с нуля. - видео HD

— ССЫЛКА НА РЕПОЗИТОРИЙ GITHUB —

реально вундеркинд

«Я обязательно поступлю на бюджет!»
— твои конкуренты:

Определите задачу, которую должна решить ваша нейросеть. Это может быть распознавание образов, классификация данных, предсказание временных рядов и т.д.

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.

Извините, но 0.33 * 0.1 = 0.033, а не 0.0033. Или это часть нейросети

1:26 огромное спасибо за такие примеры благодаря них все начинает пониматься :). В конце конечно когда дело дошло до кода воспринималось 30% из всего.

эмм. передача int массива в right_props через double* каст, приведёт к тому, что массив inputs будет хранить неправильно интерпретируемые данные. код не рабочий получается

9:40 дядя ты гонишь! первый индекс НЕ от 0 до 4 а от 0 до 3

ПЕРЦЕПТРОН

С какого то момента начал говорить про какие то ситуации и стало не понятно