WEBVTT 00:01.850 --> 00:07.340 Cześć i witamy z powrotem na kursie ubolewania, że dzisiaj zamierzamy zakończyć się propagacją wsteczną. 00:07.340 --> 00:11.520 W porządku, więc wiemy dokładnie wszystko, co powinniśmy wiedzieć o tym, 00:11.520 --> 00:17.990 co dzieje się w waszym wszystkim, co wiemy, że istnieje proces o nazwie propagacji Forward, w której informacja 00:17.990 --> 00:24.620 jest wprowadzana do warstwy wejściowej, a następnie jest propagowana do przodu, aby uzyskać nasze białe czapki nasze wartości wyjściowe, 00:24.620 --> 00:29.240 a następnie porównujemy je z rzeczywistymi wartościami, które mamy w naszym zestawie szkoleniowym. 00:29.240 --> 00:36.110 Następnie obliczamy błędy, a następnie błędy są odtwarzane z powrotem przez sieć w 00:36.110 --> 00:41.570 przeciwnym kierunku, co pozwala nam szkolić sieć, dostosowując wagi. 00:41.660 --> 00:49.670 Kluczową rzeczą, o której należy pamiętać, jest to, że propagacja wsteczna jest 00:49.670 --> 00:58.890 zaawansowanym algorytmem opartym na bardzo interesującej i wyrafinowanej matematyce, która pozwala nam dostosować wagi. 00:59.030 --> 01:02.540 Wszystkie jednocześnie wszystkie wagi są korygowane jednocześnie. 01:02.540 --> 01:08.990 Więc jeśli robimy to ręcznie lub jeśli wymyślimy zupełnie inny algorytm niż Even, jeśli 01:08.990 --> 01:14.150 obliczyliśmy błąd, a następnie próbujemy zrozumieć, jaki wpływ każdy z wag 01:14.150 --> 01:21.040 ma na błąd, który musimy w jakiś sposób dostosuj każdą z wag niezależnie, indywidualnie lub indywidualnie. 01:22.000 --> 01:29.170 Ogromną zaletą backwardingu i kluczową rzeczą do zapamiętania jest to, że podczas 01:29.170 --> 01:35.910 procesu propagacji wstecznej po prostu ze względu na strukturę algorytmu. 01:36.850 --> 01:43.990 Jesteś w stanie dostosować cały czas w tym samym czasie, więc w zasadzie wiesz, która część błędu jest odpowiedzialna 01:43.990 --> 01:47.400 za każdy z twoich ciężarów w sieci neuronowej. 01:47.450 --> 01:54.220 To jest kluczowa podstawowa zasada propagacji wstecznej. 01:54.220 --> 02:02.650 I dlatego tak szybko nabrało tempa w latach 80. i był to przełom. 02:02.770 --> 02:08.890 A jeśli chcesz dowiedzieć się więcej o tym i jak dokładnie matematyka działa w tle, dobrym 02:09.190 --> 02:14.800 artykułem, o którym już wspominaliśmy, są sieci neuronowe, a głębokie uczenie się to tak 02:14.800 --> 02:16.640 naprawdę książka Michaela Nielsena. 02:16.720 --> 02:23.610 Znajdziesz matematykę wypisaną i pomoże ci zrozumieć, jak dokładnie jest to możliwe. 02:23.650 --> 02:30.550 Ale na razie dla naszych celów, jeśli z punktu widzenia intuicji, ważną częścią jest pamiętanie, że 02:31.240 --> 02:33.310 właśnie to robi zacofanie. 02:33.310 --> 02:36.750 Dostosowuje wszystkie ciężary w tym samym czasie. 02:36.940 --> 02:43.300 A teraz po prostu wszystko otoczymy krok po kroku, jak przebiega proces 02:43.300 --> 02:45.370 uczenia sieci neuronowej. 02:45.370 --> 02:51.000 W porządku, więc krok pierwszy losowo zainicjowaliśmy wagi na małe liczby zbliżone do zera, ale nie na zero. 02:51.010 --> 02:56.830 W rzeczywistości nie skupialiśmy się na inicjalizacji wag podczas samouczków intuicji, ale 02:56.830 --> 03:02.610 musieliśmy zacząć od czegoś i zostały zainicjowane losowymi wartościami bliskimi zeru. 03:02.620 --> 03:09.730 A następnie poprzez proces rozmnażania przez propagację wagi te są korygowane do 03:09.730 --> 03:11.690 momentu zminimalizowania błędu. 03:11.970 --> 03:13.550 Funkcja minimalizacji kosztów jest więc zminimalizowana. 03:13.820 --> 03:19.330 Następnie krok dwa wejścia pierwsza obserwacja wszystkich zestawów danych do pierwszego rzędu do wejścia Lehre 03:19.510 --> 03:21.440 każda funkcja jest jednym wejściem. 03:21.440 --> 03:27.910 Więc po prostu weź grzebienie i umieść je w węzłach wejściowych osobno dla propagacji od lewej do prawej. 03:27.910 --> 03:32.620 Neurony są aktywowane w taki sposób, że wybierają nasze widzenie Aktywacja 03:32.620 --> 03:39.150 neuronów jest ograniczona przez wagi, które w zasadzie określają, jak ważna jest aktywacja każdego neuronu, 03:39.160 --> 03:43.100 a następnie propagują aktywację, aż do uzyskania rezultatu. 03:43.150 --> 03:43.850 W tym przypadku. 03:43.990 --> 03:46.640 Więc zasadniczo propagujesz od lewej do prawej. 03:46.690 --> 03:50.110 Idziesz aż do momentu, w którym dostaniesz swój kapelusz. 03:50.320 --> 03:52.720 Następnie porównaj wynik z faktycznym wynikiem. 03:52.750 --> 03:58.140 Zmierz wygenerowany błąd, a następnie wykonaj wstecz od prawej do lewej powietrze jest dwubiegunowy 03:58.150 --> 03:58.620 ponownie. 03:58.630 --> 04:02.080 Zaktualizuj wagi zgodnie z ich odpowiedzialnością za błąd. 04:02.260 --> 04:08.500 Znowu jesteś w stanie obliczyć, że ze względu na sposób, w jaki zbudowany jest algorytm perturbacji 04:08.500 --> 04:13.750 wstecznej, tempo uczenia się decyduje o tym, jak bardzo aktualizujemy wagi, a szybkość uczenia 04:13.990 --> 04:17.710 się jest parametrem, który możesz kontrolować w sieci neuronowej. 04:17.710 --> 04:23.110 Krok 6 powtórz kroki 1 2 5 i zaktualizuj wagi po każdej obserwacji. 04:23.320 --> 04:30.670 Nazywa się to uczeniem się wzmacniania, aw naszym przypadku było to stochastyczne pochodzenie gradientowe lub powtarzaj kroki od 1 04:30.670 --> 04:31.490 do 5. 04:31.510 --> 04:37.840 Ale w ten sposób dopiero po serii obserwacji lub uczenia się wsadowego jest to albo pochodzenie o pełnym 04:37.870 --> 04:43.150 gradiencie, albo zielony Nissan oznaczony znakiem, albo minimalne pochylenie z gradientem i krok siódmy, 04:43.150 --> 04:49.030 gdy cały pociąg przeszedł przez sztuczną sieć neuronową, która sprawia, że epoka przeradza się w więcej epok. 04:49.040 --> 04:55.090 Zasadniczo po prostu rób to, robiąc to i robiąc to i pozwalając 04:55.120 --> 05:02.510 twojej sieci neuronowej trenować coraz lepiej i lepiej i stale dostosowuj się, minimalizując funkcję kosztu. 05:02.740 --> 05:04.330 Więc idziemy. 05:04.420 --> 05:09.770 Są to kroki, które musisz wykonać, aby zbudować sztuczne sieci neuronowe i szkolić je. 05:10.030 --> 05:16.060 I to są kroki, które podejmujesz, dopóki nie zjesz lunchu w praktycznych tutorialach. 05:16.120 --> 05:19.520 Życzymy powodzenia i czekam na Ciebie następnym razem. 05:19.540 --> 05:21.280 Do tego czasu cieszcie się nauką.