WEBVTT 00:00.720 --> 00:03.450 Halo dan selamat datang kembali ke kursus tentang kecerdasan buatan. 00:03.490 --> 00:07.570 Dalam tutorial hari ini kita akan berbicara tentang add on yang akan kita implementasikan untuk 00:07.580 --> 00:08.860 algoritma 8: 3 kita. 00:08.860 --> 00:12.970 Ini disebut The Long memory jangka pendek atau LSD. 00:12.970 --> 00:20.080 Jadi mari kita lihat apa yang kita miliki sejauh ini dan kemudian kita akan membahas mengapa kita membutuhkan LSD dan 00:20.080 --> 00:24.440 apa lagi yang ada padanya sejauh ini yang telah kita bahas. 00:24.440 --> 00:29.950 Dan kita telah berbicara tentang ketiga huruf A di 3C dan tentu saja kita telah melihat bahwa itu sebenarnya sedikit 00:29.950 --> 00:34.990 lebih lengkap atau jauh lebih kompleks daripada apa yang kita miliki pada gambar ini, kita sebenarnya memiliki tiga 00:35.110 --> 00:39.640 atau lebih banyak agen melalui lingkungan dan mereka berkomunikasi antara satu sama lain dan seterusnya. 00:39.640 --> 00:44.890 Tetapi demi kesederhanaan demi cerita hari ini, kita akan mengilustrasikan semuanya dengan agen yang satu ini 00:45.190 --> 00:47.580 pada akhirnya kita laporkan bagian kritik ini. 00:47.590 --> 00:53.030 Jadi pada dasarnya begitu kita memiliki negara mari negara ke gambar ini saat melewati convolutional di sana 00:53.050 --> 00:55.360 kemudian melewati menarik Lego pengocokan perataan lapisan. 00:55.360 --> 01:02.500 Dan pada titik ini kita memiliki nilai atau angka yang kemudian disebarkan melalui jaringan dan mereka masuk ke lapisan tersembunyi 01:02.500 --> 01:08.620 dan kemudian sebagai output kita mendapatkan kebijakan atau bagian aktor dan mereka mendapatkan nilai negara atau kita 01:08.830 --> 01:15.670 mendapatkan bagian kritik dan apa yang akan kita lakukan hari ini adalah kita akan membicarakan bagian tersembunyi ini di 01:15.670 --> 01:21.010 lapisan tersembunyi yang sebenarnya bisa kita bawa ke tingkat berikutnya dan kita dapat menambahkan 01:21.010 --> 01:21.700 pemberitahuan. 01:21.730 --> 01:26.440 Dan kami telah melihat bahwa ada beberapa notifikasi karena mereka akan bergerak melihat salah satunya, 01:26.440 --> 01:32.900 kami telah melihat bahwa dalam beberapa kasus Anda dapat memiliki bagian utama dari jaringan ini yang bersifat individual untuk setiap agen. 01:32.920 --> 01:39.220 Atau Anda dapat memiliki bagian utama dari jaringan ini yang dibagikan dan itulah yang kami lihat bahwa dalam uji coba 01:39.220 --> 01:42.150 intuisi kami sebelumnya, kami memiliki bagian bersama dari jaringan. 01:42.190 --> 01:47.560 Jaringan ini dibagikan di antara para agen dan sebagai Adlon akan memberi tahu Anda lebih banyak dalam 01:47.830 --> 01:50.660 tutorial praktis yang benar-benar membantu dengan tantangan perpisahan. 01:50.830 --> 01:55.560 Dan ada banyak banyak cara lain Anda dapat memodifikasi algoritma. 01:55.720 --> 01:59.720 Banyak tambahan lain yang bisa diimplementasikan. 01:59.920 --> 02:03.400 Dan salah satu dari mereka akan kita bahas karena kita 02:03.700 --> 02:10.300 benar-benar akan memiliki sisi praktis dari troll di sini sebelum Anda menekan dan Lares yang dapat Anda tambahkan adalah 02:10.480 --> 02:18.610 elis Himmler jaringan saraf Klare yang memungkinkan algoritma penilaian Anda memori yang memungkinkan algoritma untuk mengingat apa yang terjadi sebelumnya dan kita akan berbicara 02:18.610 --> 02:21.050 tentang LACMA sekarang secara lebih rinci. 02:21.130 --> 02:26.080 Tetapi pada dasarnya Anda dapat menambahkan lapisan tambahan di sini yang menghindarinya Lehre dan meningkatkan algoritme Anda 02:26.080 --> 02:30.190 dengan beberapa Nimer tambahan dari fitur lain dan yang sebenarnya akan Anda lihat di 02:30.190 --> 02:36.250 Sorrells praktis adalah bahwa kami bahkan tidak memerlukan lapisan tersembunyi setelah semuanya serupa Jadi Anda akan melihat itu dalam implementasi Atlanta. 02:36.250 --> 02:38.860 Dia punya perataan di sana segera. 02:38.860 --> 02:43.530 Setelah itu dia mendapat tangkai. Jadi pada dasarnya kotak ini mewakili penjudi elist. 02:43.630 --> 02:48.730 Dan setelah itu segera Anda mendapatkan output sehingga Anda bahkan tidak perlu ada Lares tersembunyi lainnya 02:48.730 --> 02:53.320 setelah itu hanya karena itulah seberapa besar daya yang ditambahkan LSM ke algoritma. 02:53.350 --> 02:59.200 Dan lagi algoritma atau arsitektur jaringan Anda sendiri itu adalah hal yang sangat visual itu adalah 02:59.200 --> 03:00.260 preferensi pribadi. 03:00.270 --> 03:05.010 Ini adalah hal yang sangat kreatif sehingga Anda mungkin harus menghindari penjudi yang mungkin Anda miliki sebagai analis yang terpelajar, 03:05.020 --> 03:05.700 Jim Lehrer. 03:05.710 --> 03:09.130 Itu beberapa seperti lima lapisan tersembunyi setelah mereka mendaftar. 03:09.160 --> 03:11.750 Itu sepenuhnya terserah Anda dan bagi Anda untuk bereksperimen dan menjelajah. 03:11.920 --> 03:18.430 Tapi inilah yang kami temukan dalam tutorial praktis sehingga Anda akan melihat bahwa kami memiliki 03:18.580 --> 03:24.410 lapisan rata yang rata dan setelah itu kami mendapatkan sarang bendungan dan hasilnya. 03:24.420 --> 03:28.680 Jadi sekarang kita sudah banyak membicarakan hal serupa lainnya apa ini penangan. 03:28.840 --> 03:34.750 Nah sarang LACMA menambahkan memori memberikan fitur seperti memungkinkan jaringan saraf untuk memiliki 03:34.750 --> 03:42.580 memori tentang apa yang terjadi pada iterasi sebelumnya dan sering disimbolkan atau ditampilkan dengan simbol yang terlihat seperti 03:42.580 --> 03:43.280 ini. 03:43.300 --> 03:46.110 Ini baru saja dimulai dan saya hanya menempatkan di sini. 03:46.120 --> 03:51.820 Saya tahu ini terlihat sangat bengkok tapi saya taruh di sini sehingga Anda dapat melihat ketika kita membahas gambar ini lebih lanjut. 03:51.820 --> 03:58.470 Anda dapat melihat apa yang terjadi sehingga output surat ini masuk ke sini dan itu adalah milik kami. 03:58.660 --> 04:04.480 Jadi ini adalah seluruh lapisan yang masuk ke sini jadi itu adalah vektor dari nilai x adalah vektor yang masuk ke dalam batang yang 04:04.570 --> 04:06.080 kita hanya akan membuang sel. 04:06.250 --> 04:10.540 Dan kemudian sebagai output, Anda mendapatkan vektor lain yang Anda tahu gabungan dari toko ini 04:10.540 --> 04:15.030 atau entah bagaimana itu mengikat dalam kasus kami sebagai output Anda mendapatkan ini dan Anda mendapatkan ini. 04:15.040 --> 04:17.350 Jadi mari kita lihat ini lebih terinci. 04:17.350 --> 04:19.090 Jadi akan fokus pada bagian ini. 04:19.120 --> 04:23.320 Bahkan kita masuk ke dalam karena Anda mungkin memperhatikan dengan huruf-huruf yang ada di samping kita akan 04:23.650 --> 04:24.430 mengubahnya ke samping. 04:24.430 --> 04:31.120 Jadi seperti itu dan keseluruhan seluruh suka campur aduk ini hanya untuk mengulangi fakta bahwa meskipun terlihat 04:31.120 --> 04:36.910 seperti ini apa yang sebenarnya terjadi adalah lapisan nilai, seluruh vektor nilai terjadi di 04:36.910 --> 04:37.530 sini. 04:37.630 --> 04:41.440 Sesuatu sedang terjadi yang hanya akan menyebabkan hanya sekarang dan kemudian seluruh vektor vektor sedang berlangsung. 04:41.440 --> 04:47.310 Jadi ini adalah layer, bukan hanya satu elemen, ini adalah layer itu sendiri. 04:47.350 --> 04:55.590 Jadi mari kita kembali lagi hanya untuk menegaskan kembali Lehre masuk ke ini di mana sesuatu terjadi Lehre keluar 04:55.810 --> 04:58.680 Jadi itulah LACMA yang ada di sampingnya. 04:58.690 --> 05:02.370 Jadi lebih mudah hanya dengan cara ini dan itu representasi umum. 05:02.500 --> 05:07.870 Saat ini kami sepakat mengapa gambar ini ada di pihaknya dan bagaimana kami akan melanjutkan ini. 05:07.960 --> 05:11.710 Mari kita mulai menggali lebih dalam situasi LACMA ini. 05:11.710 --> 05:14.070 Jadi apa yang terjadi di dalam Ellis Jim Lehrer. 05:14.080 --> 05:15.400 Jadi seperti ini tampilannya. 05:15.610 --> 05:20.830 Dan tentu saja ini terlihat sangat kompleks dan kita pasti tidak akan membahas semua ini 05:20.860 --> 05:24.000 sekarang hanya karena ada cukup banyak untuk dibahas. 05:24.010 --> 05:32.080 Intinya adalah Operasi Operasi Xolair yang bijaksana dan hanya ada banyak hal yang sedang terjadi atau banyak detail rumit yang tidak akan 05:32.110 --> 05:37.720 kita bahas karena jika tidak akan meledakkan ini tentu saja dan ini bukan tujuannya bukan 05:37.720 --> 05:42.410 untuk berbicara tentang Else bendungan di sini yang akan memanfaatkan LACMA. 05:42.430 --> 05:48.520 Dan jika Anda ingin mempelajari lebih lanjut tentang sistem Ellis, Anda dapat mengunjungi atau kami di sini. 05:48.520 --> 05:50.130 Blog Christopher Ola. 05:50.500 --> 05:56.750 Dia punya deskripsi yang baik tentang batangnya atau kita juga berbicara tentang LACMA di usia belajar kita yang dalam, tentu 05:56.770 --> 05:58.060 saja Anda dapat memeriksanya. 05:58.060 --> 06:01.420 Kami memiliki seluruh bagian tentang jaringan dan sistem saraf berulang. 06:01.540 --> 06:06.470 Jadi pada dasarnya ini adalah bagian internal dari sistem. 06:06.520 --> 06:12.160 Dan apa yang terjadi adalah seperti berjalannya kaki sehingga kita akan membicarakan hal ini pada tingkat intuitif pada tingkat 06:12.160 --> 06:17.650 yang sangat mendasar, hanya apa yang akan cukup bagi kita untuk memahami apa yang terjadi atau mengapa 06:17.650 --> 06:18.400 ada memori. 06:18.400 --> 06:23.530 Dan agar Anda juga bisa lebih memahami apa yang dibicarakan Atlanta ketika dia mengimplementasikan ini. 06:23.560 --> 06:29.440 Jadi Largo dalam semua ini adalah sesuatu yang pada dasarnya terjadi di sini, Larry naik. 06:29.710 --> 06:35.710 Apa yang perlu kita benar-benar lihat adalah bahwa ada bagian-bagian ini sebenarnya ada input tambahan 06:35.800 --> 06:37.480 ke dalam Lehre ini. 06:37.480 --> 06:42.970 Jadi ingat ini biasanya Anda memiliki input seperti dari Lehre sebelumnya maka surat ini dan kemudian Anda 06:42.970 --> 06:49.290 memiliki output jika Anda memikirkan gambar itu, kami sebelumnya memiliki jaringan normal yang tidak berada di sisinya seperti dari 06:49.290 --> 06:52.660 kiri ke kanan dari atas ke bawah ke atas. 06:52.810 --> 06:55.350 Tetapi kecuali Anda benar-benar memiliki lebih banyak input. 06:55.360 --> 06:59.410 Jadi saya tahu ini semakin rumit, tetapi hal-hal ini setidaknya kita dapat memahaminya. 06:59.410 --> 07:03.380 Jadi ini adalah sel memori Anda. 07:03.400 --> 07:06.760 Ini kuncinya dan inilah yang akan Anda dengar dari Heidel Atlanta. 07:06.880 --> 07:15.220 Jadi sel memori adalah sesuatu yang disimpan di elistnya sehingga input dan output ini sebenarnya ada di sini 07:15.490 --> 07:18.280 yang Anda lihat adalah sumbu waktu. 07:18.280 --> 07:26.260 Jadi ini terurai dalam waktu sehingga dalam satu iterasi khusus ini terjadi tetapi kemudian nilai ini diambil dari yang dimiliki dan nilai-nilai ini diteruskan ke 07:26.260 --> 07:30.910 nilai-nilai ini nilai-nilai ini diambil dari masa lalu dan nilai-nilai ini diteruskan ke masa 07:30.910 --> 07:35.660 depan dan bagaimana mereka melewati kekayaan cara kerja tim yang lain sehingga kita diikuti mengkhawatirkan 07:35.680 --> 07:38.480 terlalu banyak apa yang terjadi di sini. 07:38.590 --> 07:44.950 Yang perlu kita pahami adalah bahwa ketika surat masuk dan di sini kita benar-benar 07:44.950 --> 07:51.740 memiliki nilai yang berasal dari masa lalu yang disimpan di dalam LSD di dalam memori jangka pendek. 07:52.060 --> 07:59.950 Kami memiliki sel memori ini dan nilai apa pun yang ada di sini sebelum itu hanya tetap di sini karena Anda dapat melihatnya 07:59.950 --> 08:04.960 mengalir begitu saja melalui bebas kecuali untuk operasi ini di mana ia dapat ditutup atau 08:04.960 --> 08:07.210 sesuatu dapat ditambahkan ke saya t. 08:07.330 --> 08:13.360 Tetapi terlepas dari itu hanya beberapa nilai yang mengalir dengan bebas sehingga pada dasarnya itu diteruskan ke titik berikutnya 08:13.360 --> 08:14.900 di titik waktu berikutnya. 08:14.920 --> 08:20.350 Jadi Anda bisa menganggapnya seperti beberapa memori yang suka flash drive atau sesuatu seperti 08:20.350 --> 08:25.750 yang dimiliki sel ini dan hanya mengingat nilai sebelumnya yang ada di sini dan 08:25.750 --> 08:30.350 kemudian dapat menggunakannya untuk menambah atau baca dari keberanian itu pada. 08:30.370 --> 08:33.670 Dan nilai ini adalah kondisi tersembunyi. 08:34.000 --> 08:37.670 Jadi karenanya H dan negara tersembunyi pada dasarnya. 08:37.740 --> 08:42.000 Dan sekarang nilai yang berasal dari masa lalu dan kemudian digunakan di dalam sistem. 08:42.010 --> 08:48.180 Dan seperti yang dapat Anda lihat di akhir setelah semua ini terjadi, yang Anda dapatkan adalah Anda mendapatkan surat yang keluar 08:48.220 --> 08:53.170 dan agar Anda mendapatkan nilai ini yang keluar dan itu adalah nilai yang sama yang diteruskan. 08:53.170 --> 08:59.440 Jadi pada dasarnya tim Ellis ingat dua hal ada nilai konstan yang sama seperti tetap dalam daftar 08:59.440 --> 09:04.720 dan yang dapat diubah seperti ini adalah flash drive untuk seperti nilai konstan. 09:04.720 --> 09:05.990 Jadi sel memori. 09:06.040 --> 09:11.940 Jadi Anda bisa, Anda memiliki kemewahan menyimpan sesuatu di ruang itu dan memori itu dan itu akan diteruskan 09:11.930 --> 09:15.290 ke masa depan sehingga setiap kali dalam iterasi berikutnya. 09:15.320 --> 09:20.620 Jadi seperti algoritma berada di lingkungan itu melihat sesuatu melakukan sesuatu dan seterusnya. 09:20.650 --> 09:25.690 Dan kemudian di LACMA Anda dapat menyimpan nilai tertentu maka ia akan mengingat nilai ini bahkan ketika 09:25.690 --> 09:26.960 itu dalam keadaan berikutnya 09:27.400 --> 09:31.420 Dan juga nilai lain yang akan mereka ingat sakit mengingat hasil sebelumnya. 09:31.420 --> 09:35.370 Secara otomatis akan mengingat output sebelumnya sehingga output di sini dan di sini. 09:35.560 --> 09:42.160 Jadi pada dasarnya itu adalah level yang sangat sangat sangat tinggi dari apa yang terjadi dalam sebuah LSM. 09:42.160 --> 09:47.530 Sekali lagi jika Anda ingin lebih detail sebagai banyak sumber daya di mana Anda dapat menemukan dan pada tahap 09:47.530 --> 09:51.100 ini kita tidak perlu masuk ke banyak detail pada semua hal ini. 09:51.100 --> 09:56.440 Kami hanya perlu memahami bahwa Anda tahu sel memori adalah apa 09:56.440 --> 10:02.270 yang dimaksud dengan sel memori sebagai kepala negara dan bagaimana cara memfasilitasi memori untuknya. 10:02.330 --> 10:09.920 Dan pertanyaannya adalah sekarang kita memiliki gambaran umum tentang semua ini untuk memperkuat atau 10:10.250 --> 10:16.220 memperkuat pengetahuan yang Anda sukai memberikan alasan untuk pengetahuan ini. 10:16.220 --> 10:19.160 Mari kita bertanya mengapa kita perlu ingatan. 10:19.190 --> 10:23.180 Mengapa kita membutuhkan memori di A-3 atau algoritma lainnya. 10:23.180 --> 10:26.990 Baiklah mari kita lihat contoh kita tantangan yang kita ambil di bagian ini. 10:26.990 --> 10:32.420 Jadi tantangannya adalah breakout dan apa yang terjadi dan break will dan break Anda memiliki lingkungan ini 10:32.420 --> 10:37.340 blok kecil ini yang perlu Anda hancurkan dengan bola kecil ini dan Anda perlu memastikan bahwa 10:37.340 --> 10:41.120 ini adalah jenis raket atau platform seperti Anda yang bergerak sekitar. 10:41.150 --> 10:46.610 Dan itu harus di mana pun bola itu terbang itu harus menangkap bola dan bangkit dari platform dan kembali 10:46.610 --> 10:48.160 dan menabrak bola dinding juga. 10:48.160 --> 10:50.060 Kembali satu blok dan kembali. 10:50.060 --> 10:54.270 Dan itulah esensi dari apa yang perlu Anda capai. 10:54.290 --> 11:02.330 Tapi sekarang mari kita lihat bola ini seperti bayangkan Anda seorang dan dan algoritma C 83 atau agen di dalam salah 11:02.330 --> 11:04.040 satu agen di 08:30. 11:04.160 --> 11:07.550 Anda melihat gambar ini apa yang Anda ekstrak dari sini. 11:07.670 --> 11:09.580 Apa tindakan Anda di sini untuk Anda. 11:09.740 --> 11:11.790 Jadi, Anda bisa melihat bola terbang tepat. 11:11.840 --> 11:13.640 Begitu baik itu terbang dengan benar. 11:13.640 --> 11:16.610 Jadi itu pergi ke suatu tempat dan mungkin itu terbang ke arah kanan yang Anda bisa. 11:16.610 --> 11:20.230 Bisakah Anda membuat kesimpulan ini jika Anda suka mengantisipasi bahwa itu datang ke arah Anda. 11:20.240 --> 11:23.720 Anda mungkin bisa dan mungkin Anda berada di tempat yang tepat untuk menangkap bola. 11:23.930 --> 11:28.890 Tetapi bagaimana jika bola itu sebenarnya tidak terbang seperti itu tetapi terbang itu bagaimana jika itu terbang dengan cara itu. 11:28.910 --> 11:34.250 Masalahnya adalah Anda tidak dapat membedakan dari gambar yang satu ini ke mana arahnya terbang karena Anda tidak 11:34.250 --> 11:36.370 tahu di mana itu pada saat sebelumnya. 11:36.560 --> 11:39.220 Jadi jika itu ada di sini maka ia terbang dengan cara ini. 11:39.230 --> 11:43.850 Jadi jika Anda memiliki jika Anda tahu waktu saat sebelumnya jika Anda tahu bahwa itu ada di sini, Anda akan berada di 11:43.850 --> 11:48.650 sana sekarang Anda tahu di sini adalah sebagai manusia Anda hanya menggambar garis untuk dua ini dan Anda akan mengatakan pergi dengan cara ini. 11:48.920 --> 11:52.360 Tetapi jika Anda tahu di sini Anda menggambar garis seperti pergi ke sini. 11:52.490 --> 11:54.320 Apalagi lihat ini. 11:54.320 --> 11:57.130 Sebenarnya bisa saja di suatu tempat seperti di sini. 11:57.140 --> 12:01.280 Mungkin naik mungkin benar-benar seperti itu jadi mungkin itu di sini 12:01.460 --> 12:05.960 dan saya naik dengan begitu hanya dari satu gambar sangat sulit sebenarnya tidak mungkin. 12:05.960 --> 12:10.540 Ini seperti mustahil secara geometris untuk mengetahui ke arah mana bola itu terbang. 12:10.550 --> 12:18.830 Dan itulah mengapa LSD memori sebenarnya sangat membantu Mfat kami memori itu masih bisa Anda lakukan dengan baik tetapi mungkin 12:18.830 --> 12:24.610 bisa menebak atau Anda tahu cara lain untuk memahami ke mana harus pergi. 12:24.620 --> 12:31.520 Tetapi dengan batang bergerak hanya satu memori saja jadi jika kita kembali bahkan dengan nilai satu itu yang 12:31.520 --> 12:37.460 agak seperti output dari nilai sebelumnya atau mungkin Anda tahu mungkin Anda dapat menyimpannya di sini 12:37.460 --> 12:43.250 atau berdasarkan nilai ini atau berdasarkan pada informasi yang didapatnya dari titik waktu sebelumnya. 12:43.250 --> 12:45.920 Jadi katakanlah dari apa yang terjadi di sini. 12:45.920 --> 12:51.650 Jadi di situlah bola Anda sebelumnya sehingga Anda dapat menyampaikan informasi tentang lingkungan dari titik 12:51.650 --> 12:53.200 waktu sebelumnya ke sini. 12:53.270 --> 12:57.900 Maka sekarang Anda memilikinya sekarang, Anda tahu tidak hanya memiliki informasi Anda dari gambar. 12:58.040 --> 13:02.850 Jika kami kembali lebih jauh, Anda akan mengingat informasi itu dari gambar. 13:02.870 --> 13:06.050 Ya ini sudah ditakdirkan tapi kami sebenarnya sedang bekerja untuk membagi informasi. 13:06.050 --> 13:10.020 Gambar datang ke sini di sini di sini berubah menjadi nilai-nilai ini. 13:10.160 --> 13:11.500 Dan begitu informasi untuk mereka. 13:11.510 --> 13:13.320 Gambar masuk ke seluruh sistem. 13:13.340 --> 13:20.150 Dan sekarang tiba-tiba seperti yang Anda ingat datang dari bukan dari suatu tempat tetapi dari titik waktu 13:20.600 --> 13:21.290 sebelumnya. 13:21.290 --> 13:24.630 Jadi di situlah tempat Anda berdemonstrasi sebenarnya datang dari atas atau dari bola dari kiri kanan. 13:24.650 --> 13:28.410 Sebenarnya hanya saja tinggal di sarangnya saja. 13:28.490 --> 13:31.170 Anda memiliki informasi itu hanya melalui arsitektur. 13:31.180 --> 13:33.980 Mereka akan mengatakan Anda memiliki informasi tentang apa yang terjadi sebelumnya. 13:34.160 --> 13:40.940 Jadi kami kembali bahwa informasi di sini membantu Anda sekarang membuat keputusan tentang apa yang harus dilakukan. 13:40.940 --> 13:42.930 Membantu algoritma membuat keputusan. 13:43.010 --> 13:45.010 Dan sekarang tiba-tiba dia tahu itu. 13:45.140 --> 13:45.500 BAIK. 13:45.500 --> 13:48.320 Jadi bola itu sebenarnya terletak di kedua. 13:48.350 --> 13:52.730 Katakanlah itu terbang ke arah ini atau ke arah ini jadi saya di tempat yang tepat saya harus 13:52.730 --> 13:57.050 tetap di sini bola datang ke arah saya atau jika itu atau jika menyadari bola berbaring di sana 13:57.050 --> 14:00.710 ia harus mulai bergerak ke kiri karena jika menunggu sedikit lebih lama akan terlambat. 14:00.740 --> 14:01.780 Dan mereka akan melewatkan bola. 14:01.940 --> 14:08.630 Jadi pada dasarnya itulah cara menghilangkan mereka di mana sangat membantu dalam algoritme dan itulah yang akan 14:08.630 --> 14:12.360 kita lihat ketika Anda melakukan tutorial praktis di Atlanta. 14:12.500 --> 14:14.370 Jadi begitulah cara tim ini bekerja. 14:14.480 --> 14:20.720 Dan hanya satu catatan tambahan seperti yang kami sebutkan di awal tim Ellis tidak 100 persen diperlukan. 14:20.720 --> 14:25.430 Mereka tidak lengkap. Mereka tidak sepenuhnya terpasang algoritma mereka. 14:25.550 --> 14:29.420 Anda mungkin ingin memilikinya dalam algoritma C melalui Anda mungkin tidak ingin memilikinya tergantung pada situasi 14:29.420 --> 14:31.180 untuk membawa Arktik yang Anda pilih. 14:31.250 --> 14:37.340 Ada banyak tambahan dan kita sudah membahas penambahan atau modifikasi di mana jaringan saraf dibagi 14:37.340 --> 14:40.950 antara aktor tidak dibagi antara agen atau tidak 14:41.010 --> 14:46.610 Namun sekarang, Jim masih ada satu lagi yang akan Anda lihat dalam tutorial praktis di mana kami 14:46.610 --> 14:51.280 menambahkan entropi yang dihitung melalui kebijakan lösen Adlon akan memandu Anda melalui itu. 14:51.290 --> 14:57.190 Jadi pada dasarnya ada banyak modifikasi berbeda yang dapat terjadi pada algoritma A-380. 14:57.290 --> 15:03.180 Hanya ingat bahwa itu tergantung pada apa yang ingin Anda capai dan itu juga sesuatu yang akan 15:03.180 --> 15:09.060 mendorong Anda untuk mengeksplorasi jika Anda akan menerapkan banyak ini dan mencoba algoritma yang berbeda. 15:09.180 --> 15:14.880 Kami telah membahas beberapa dan mungkin Anda dapat menemukan beberapa modifikasi tambahan yang mungkin menarik bagi 15:14.880 --> 15:19.110 Anda atau mungkin ketika Anda menonton tutorial ini mungkin membelinya lebih banyak 15:19.110 --> 15:21.330 modifikasi yang keluar yang sangat menarik. 15:21.330 --> 15:27.330 Jadi jelas itu adalah sesuatu yang bisa Anda teliti dan yang selanjutnya dapat meningkatkan pengetahuan Anda 15:27.420 --> 15:30.740 tentang kecerdasan buatan dan cara membuat algoritma ini. 15:30.780 --> 15:34.200 Dan pada catatan itu saya harap Anda menikmati tutorial ini dan saya akan mencari Anda lain kali. 15:34.200 --> 15:35.380 Sampai kemudian menikmati. 15:35.380 --> 15:35.590 SAYA.