Skocz do zawartości

Darlark

Użytkownicy
  • Zawartość

    6
  • Rejestracja

  • Ostatnio

Reputacja

6 Neutralna

O Darlark

  • Ranga
    2/10

Informacje

  • Płeć
    Mężczyzna
  • Lokalizacja
    Rumia

Ostatnio na profilu byli

Blok z ostatnio odwiedzającymi jest wyłączony i nie jest wyświetlany innym użytkownikom.

  1. Trzy warstwy: wejściowa - wejściami jej neuronów są wejścia całej sieci; wyjściowa - wyjściami jej neuronów są wyjścia całej sieci; ukryta - zarówno wejścia, jak i wyjścia jej neuronów są połączone z innymi neuronami To są ogólne założenia. Warstwa ukryta może zawierać w sobie kilka "podwarstw". Początkową architekturę sieci ustala projektant. W procesie uczenia może się okazać ze niektóre połączenia lub nawet całe neurony (węzły) są nieistotne dla działania całej sieci. Najłatwiej to ustalić po wielkości wag. Czym większa wartość bezwzględna wagi przypisana do daneg
  2. Hmmm rzeczywiście słuszny punkt widzenia jednak wydaje mi się, że osoby dopiero wchodzące w dziecinę sztucznej inteligencji zrozumieją co miałem na myśli pisząc "najoptymalniejszych wag". Z drugiej strony można by to stwierdzenie rozwinąć do: wag przy których działanie sieci będzie najbardziej zbliżone do pożądanego. Jeśli zobaczę że temat cieszy się zainteresowaniem i znajdą się osoby, które będą chciały przeczytać inne artykuły o tej tematyce, najprawdopodobniej rozwinę ten artykuł do całej serii i dokładniej opisze cały proces uczenia. Tam też mógłbym więcej czasu poświecić na temat
  3. @BananWszyscy dziękuję za opinię. Starałem się napisać ten artykuł w jak najprostszy sposób, tłumacząc wszystkie zagadnienia które wydawały mi się nowe i nie zagłębiając się w zagadnienia matematyczne. Jeśli Twoim zdaniem coś wytłumaczyłem niejasno proszę napisz co takiego, a chętnie postaram się to wyjaśnić. No tu bym pomyślał nad doborem słów. Mógłbym Cię prosić o wyjaśnienie co masz na myśli? PozDrawiam.
  4. Przepraszam bardzo, ale nie przy dodawaniu artykułu nie załączyłem wykresu tej funkcji o którym wspomniałem w artykule. Mam nadzieję, że zostanie mi to wybaczone. Zaktualizowałem to teraz. Dodatkowo spieszę z wyjaśnieniami: Funkcja sigmoidalna jest często zwana "łagodnym progiem" jej wykres przypominana (moim zdaniem) pojedynczy stopień schodów o zaokrąglonych krawędziach. Chodzi o to by przyjmowała ona dwie skrajne wartości: 0 oraz 1. Przyjmuje ona 0 dla argumentów ujemnych i 1 dla argumentów dodatnich. Charakterystyczne zaokrąglenie (brak gwałtownych zmian na wykresie) sprawia ze możem
  5. Cześć, Jestem Darek. Na stronę zaglądam od dawna, ale dopiero teraz zarejestrowałem się na forum (konkurs na artykuł mnie zmotywował). Elektroniką zajmuję się zawodowo projektując schematy urządzeń cyfrowych (z niewielką domieszką analogowych), programując (głownie C, czasem Python, liznąłem też Java) i uruchamiając stworzone urządzenia. Poza elektroniką jeżdżę na snowboardzie, chodzę po górach, maluję (obrazy, modele, czasem ściany) i gram w gry planszowe oraz bitewne. PozDrawiam gorąco.
  6. Wstęp Tematyka uczenia maszynowego, sieci neuronowych oraz sztucznej inteligencji jest w ostatnich latach bardzo popularna nie tylko w środowisku naukowym, ale również wśród programistów i elektroników amatorów. Często jednak zdarza się, że znamy te zagadnienia z praktyki i umiemy je wykorzystywać przy pomocy popularnych bibliotek takich jak Keras, jednak nie wiemy co dzieje się na niższym poziomie. W artykule tym postaramy się jednak to zmienić. Naszym celem będzie zrozumienie podstaw teoretycznych i poznanie działania sztucznej inteligencji od pojedynczego neuronu, przez proces uczenia,
×
×
  • Utwórz nowe...

Ważne informacje

Ta strona używa ciasteczek (cookies), dzięki którym może działać lepiej. Więcej na ten temat znajdziesz w Polityce Prywatności.