WEBVTT 00:01.850 --> 00:07.340 Bună ziua și binevenită înapoi la cursul de deplângere astăzi vom încheia cu propagarea înapoi. 00:07.340 --> 00:11.520 Bine, așa că știm destul de mult tot ceea ce trebuie să 00:11.520 --> 00:17.990 știm despre ce se întâmplă în tot ceea ce știm că există un proces numit propagare în față în care informațiile 00:17.990 --> 00:24.620 sunt introduse în stratul de intrare și apoi este propagat înainte pentru a obține pălăriile noastre albe valorile noastre de ieșire și 00:24.620 --> 00:29.240 apoi le comparăm cu valorile reale pe care le avem în setul nostru de instruire. 00:29.240 --> 00:36.110 Apoi, calculăm erorile, apoi erorile sunt propagate înapoi prin rețea în direcția opusă 00:36.110 --> 00:41.570 și care ne permite să instruim rețeaua prin ajustarea greutăților. 00:41.660 --> 00:49.670 Deci, un important lucru important de reținut aici este faptul că propagarea înapoi 00:49.670 --> 00:58.890 este un algoritm avansat condus de matematică foarte interesantă și sofisticată, care ne permite să ajustăm greutățile. 00:59.030 --> 01:02.540 Toate acestea, în același timp, toate greutățile sunt reglate simultan. 01:02.540 --> 01:08.990 Dacă aș fi făcut acest lucru manual sau dacă vom veni cu un tip diferit de algoritm decât 01:08.990 --> 01:14.150 Chiar dacă am calculat eroarea și apoi am încercat să înțelegem ce efect are 01:14.150 --> 01:21.040 fiecare greutate asupra erorii pe care ar trebui să o cumva ajustați fiecare dintre greutăți independent independent sau individual. 01:22.000 --> 01:29.170 Avantajul imens al backwardării și este un lucru esențial de reținut este faptul că în timpul 01:29.170 --> 01:35.910 procesului de propagare înapoi pur și simplu din cauza modului în care algoritmul este structurat. 01:36.850 --> 01:43.990 Puteți să vă ajustați tot timpul în același timp, astfel încât să știți în esență ce parte din eroarea este 01:43.990 --> 01:47.400 responsabilă pentru fiecare dintre greutățile dvs. din rețeaua neuronală. 01:47.450 --> 01:54.220 Acum, acesta este principiul esențial fundamental care stă la baza propagării spatelui. 01:54.220 --> 02:02.650 Iată de ce a crescut atât de rapid în anii 1980 și a fost un progres major. 02:02.770 --> 02:08.890 Dacă doriți să aflați mai multe despre acest lucru și cum funcționează matematica în fundal, atunci un articol 02:09.190 --> 02:14.800 bun despre care am menționat deja este rețeaua neurală și învățarea profundă este de fapt o 02:14.800 --> 02:16.640 carte a lui Michael Nielsen. 02:16.720 --> 02:23.610 Veți găsi scris matematica și vă va ajuta să înțelegeți cât de exact este posibil. 02:23.650 --> 02:30.550 Dar pentru moment, pentru scopurile noastre, dacă dintr-un punct de vedere al intuiției, partea importantă este să ne amintim că 02:31.240 --> 02:33.310 aceasta este ceea ce face backwardarea. 02:33.310 --> 02:36.750 Reglează toate greutățile în același timp. 02:36.940 --> 02:43.300 Iar acum vom incheia totul cu o trecere pas cu pas a ceea ce se intampla 02:43.300 --> 02:45.370 in formarea unei retele neuronale. 02:45.370 --> 02:51.000 În regulă, astfel încât pasul 1 am inițializat aleator greutățile la numere mici aproape de zero, dar nu de zero. 02:51.010 --> 02:56.830 Nu ne-am concentrat cu adevărat asupra inițializării greutăților în timpul tutorialelor de intuiție, dar atunci 02:56.830 --> 03:02.610 trebuie să începem undeva și sunt inițializate cu valori aleatorii aproape de zero. 03:02.620 --> 03:09.730 Și de acolo, prin procesul de propagare prin propagare, aceste greutăți sunt ajustate până când 03:09.730 --> 03:11.690 eroarea este minimizată. 03:11.970 --> 03:13.550 Deci, funcția de cost este minimizată. 03:13.820 --> 03:19.330 Apoi pasul doi introduce prima observație cu toate seturile de date pe primul rând în Lehre de intrare 03:19.510 --> 03:21.440 fiecare caracteristică este o intrare. 03:21.440 --> 03:27.910 Prin urmare, luați pieptenii și le puneți în nodurile de intrare separat pentru propagarea de la stânga la dreapta. 03:27.910 --> 03:32.620 Neuronii sunt activi într-un mod pe care ei îl aleg în viziunea 03:32.620 --> 03:39.150 noastră Activarea neuronilor este limitată de greutăți, greutățile determină în mod esențial cât de importantă este activarea 03:39.160 --> 03:43.100 fiecărei neuroni atunci se propagă activarea până la obținerea rezultatelor. 03:43.150 --> 03:43.850 În acest caz. 03:43.990 --> 03:46.640 Deci, practic, vă propagați de la stânga la dreapta. 03:46.690 --> 03:50.110 Mergeți până când ajungeți și veți obține pălăria. 03:50.320 --> 03:52.720 Apoi comparați rezultatul cu rezultatul real. 03:52.750 --> 03:58.140 Măsurați eroarea generată și apoi efectuați întoarcerea din dreapta în stânga, iar aerul este din nou 03:58.150 --> 03:58.620 bipolar. 03:58.630 --> 04:02.080 Actualizați greutățile în funcție de cât de mult sunt responsabili pentru eroare. 04:02.260 --> 04:08.500 Din nou, puteți calcula că, din cauza modului în care este structurat algoritmul de perturbare propagat în spate, 04:08.500 --> 04:13.750 rata de învățare decide prin cât de mult actualizăm greutățile rata de învățare ca parametru 04:13.990 --> 04:17.710 pe care îl puteți controla în rețeaua dvs. neuronală. 04:17.710 --> 04:23.110 Pasul 6 repetați pașii 1 2 5 și actualizați greutățile după fiecare observație. 04:23.320 --> 04:30.670 Aceasta se numeste invatare de intarire si in cazul nostru a fost descendenta de gradient stochastic sau se repeta 04:30.670 --> 04:31.490 pasii 1-5. 04:31.510 --> 04:37.840 Dar în acest fel este doar după un lot de observații sau de învățare în lot este fie o coborâre 04:37.870 --> 04:43.150 completă, fie o nișă verde Nissan sau o înclinare cu gradient și un pas șapte când 04:43.150 --> 04:49.030 trenul a trecut prin rețeaua neuronală artificială, ceea ce face ca o epocă să redea mai multe epoci. 04:49.040 --> 04:55.090 Deci, practic doar continuați să faceți acest lucru și să faceți acest lucru și să faceți acest lucru și să permiteți 04:55.120 --> 05:02.510 rețelei dvs. neuronale să se antreneze mai bine și mai bine și mai bine și să se adapteze constant pe măsură ce minimalizați funcția de cost. 05:02.740 --> 05:04.330 Așa că mergem. 05:04.420 --> 05:09.770 Aceștia sunt pașii pe care trebuie să vi le faceți pentru a vă construi rețelele neurale artificiale și pentru a le instrui. 05:10.030 --> 05:16.060 Și acestea sunt pașii pe care îi veți lua până când voi lua prânzul în tutorialele practice. 05:16.120 --> 05:19.520 Vă doresc cele mai bune norocuri și aștept cu nerăbdare să vă văd data viitoare. 05:19.540 --> 05:21.280 Până atunci, bucurați-vă de învățare.