WEBVTT 00:00.390 --> 00:02.720 أهلا ومرحبا بكم مرة أخرى في دورة التعلم العميق. 00:02.730 --> 00:06.060 اليوم وصلنا أخيرًا إلى الخطوة الرابعة ، اتصال كامل. 00:06.060 --> 00:08.110 إذن ما هي هذه الخطوة؟ 00:08.130 --> 00:16.920 حسنًا ، في هذه الخطوة ، نضيف شبكة عصبية اصطناعية كاملة إلى شبكتنا العصبية التلافيفية. 00:16.920 --> 00:23.010 لذلك بالنسبة إلى كل الأشياء التي قمنا بها حتى الآن ، والتي تتمثل في تجميع الالتفاف والتسطيح ، فإننا نضيف 00:23.010 --> 00:24.780 الآن شيئًا جديدًا بالكامل. 00:24.810 --> 00:28.920 ثم في الجزء الخلفي من ذلك ، ما مدى شدته؟ 00:28.920 --> 00:32.310 هذا مجرد شيء هو بالتأكيد شيء. 00:32.310 --> 00:37.140 وهنا لدينا طبقة الإدخال ، لدينا طبقة خرج LAN متصلة بالكامل. 00:37.140 --> 00:42.960 وبالمناسبة ، الطبقة المتصلة بالكامل في الشبكات العصبية الاصطناعية ، اعتدنا أن نسميها الطبقات 00:42.960 --> 00:47.280 المخفية وهنا نسميها طبقات متصلة بالكامل لأنها طبقات مخفية. 00:47.280 --> 00:52.740 لكن في الوقت نفسه ، فهي نوع أكثر تحديدًا من الطبقات المخفية التي ترتبط بطبقة متصلة بالكامل في الشبكات 00:52.740 --> 00:54.060 العصبية الاصطناعية. 00:55.440 --> 00:59.910 لا يجب أن تكون الطبقات المخفية متصلة بشكل كامل ، بينما في الشبكات العصبية التلافيفية 00:59.910 --> 01:05.400 سنستخدم طبقات متصلة بالكامل ، ولهذا السبب يطلق عليها عمومًا طبقات متصلة بالكامل. 01:05.490 --> 01:11.550 وبالتالي فإن هذا العمود بأكمله أو متجه المخرجات الذي لدينا بعد التسطيح ، نقوم بتمريره إلى 01:11.550 --> 01:12.570 طبقة الإدخال. 01:12.570 --> 01:20.310 وهنا لدينا مثال مبسط للغاية ، فقط لأغراض التوضيح والغرض الرئيسي من الشبكة العصبية 01:20.310 --> 01:28.890 الاصطناعية ، هو دمج ميزاتنا في المزيد من السمات التي تتنبأ بالفئات بشكل أفضل. 01:28.890 --> 01:37.800 لذلك نحن بالفعل في متجه المخرجات الخاص بنا في التسطيح والنتيجة المسطحة مما فعلناه بالفعل. 01:37.800 --> 01:44.010 لدينا بعض الميزات المشفرة في الأرقام الموجودة في هذا المتجه ، ويمكنهم بالفعل 01:44.010 --> 01:51.810 القيام بعمل جيد على الأرجح في التنبؤ بالفئة التي ننظر إليها ، سواء كان كلبًا أو قطة أو ما إذا كان ورمًا 01:51.810 --> 01:53.640 أم لا ، وهلم جرا. 01:53.640 --> 01:59.310 لكن في الوقت نفسه ، نعلم أن لدينا هذه البنية المسماة بالشبكة العصبية 01:59.310 --> 02:07.290 الاصطناعية ، والتي تم تصميمها ، والتي تهدف إلى التعامل مع السمات والتوصل إلى التعامل مع الميزات 02:07.290 --> 02:16.620 والخروج بسمات جديدة والجمع بين السمات معًا حتى توقع الأشياء التي نحاول توقعها بشكل أفضل. 02:16.620 --> 02:18.600 ونحن نعلم ذلك من الجزء السابق. 02:18.600 --> 02:20.160 فلماذا لا تستفيد من ذلك؟ 02:20.160 --> 02:22.590 وهذا بالضبط ما هي الخطة هنا. 02:22.590 --> 02:29.070 إذن ، ماذا عن تمرير هذه القيم إلى شبكة عصبية اصطناعية والسماح لها بتحسين كل 02:29.070 --> 02:30.180 ما نقوم به؟ 02:30.390 --> 02:31.800 وهذا ما سنفعله. 02:31.800 --> 02:36.300 لكن دعونا نلقي نظرة على مثال أكثر واقعية لأن هذا المثال بسيط للغاية. 02:36.300 --> 02:43.920 إذن لدينا هنا شبكة عصبية اصطناعية أفضل مظهر حيث لدينا خمس سمات في المدخلات. 02:43.920 --> 02:50.970 ثم لدينا في الطبقة الأولى ، ستة خلايا عصبية في الطبقة الثانية أو في الطبقة الثانية المتصلة تمامًا ، لدينا 02:50.970 --> 02:55.320 ثمانية خلايا عصبية ، ثم لدينا مخرجان ، أحدهما للكلب والآخر للقط. 02:55.320 --> 03:02.130 ولذا فإن الشيء المهم الذي نتحدث عنه هنا هو لماذا لدينا ناتجين؟ 03:02.130 --> 03:06.810 لقد تعودنا نوعًا ما على وجود ناتج واحد فقط في شبكاتنا العصبية الاصطناعية. 03:06.810 --> 03:13.830 حسنًا ، أحد المخرجات يكون نوعًا ما عندما تتوقع قيمة عددية ، عندما تقوم بتشغيل مشكلة 03:13.830 --> 03:15.390 من نوع الانحدار. 03:15.510 --> 03:22.680 ولكن عندما تقوم بالتصنيف ، فأنت بحاجة إلى مخرجات لكل فئة ، باستثناء الاستثناء عندما يكون لديك 03:22.680 --> 03:27.180 فئتان فقط ، مثل لدينا فئتان هنا ، كلب وقط ، وكان بإمكاننا أن 03:27.180 --> 03:32.280 نخرج واحدًا ونجعله ثنائيًا الإخراج وقال أحدهما كلب وصفر قطة. 03:32.280 --> 03:33.990 وكان ذلك سيعمل بشكل جيد تمامًا. 03:33.990 --> 03:38.700 وفي الواقع ، في الواقع ، سترى كيفية القيام بذلك في الدروس العملية وهذه هي الطريقة التي سيتم بناؤها 03:38.730 --> 03:39.150 بها. 03:39.150 --> 03:45.720 لكن في الوقت نفسه ، إذا كان لديك أكثر من فئتين ، على سبيل المثال ، الكلاب والقطط والطيور 03:45.720 --> 03:49.410 ، فيجب أن يكون لديك خلية عصبية لكل فئة. 03:49.410 --> 03:54.660 ولهذا السبب سنتدرب على فئتين في هذا المثال ، حتى نعرف ما يمكن 03:54.660 --> 03:57.780 توقعه إذا كان لدينا أكثر من فئتين. 03:58.380 --> 03:59.940 وماذا سيحدث هنا؟ 03:59.940 --> 04:04.590 لقد قمنا بالفعل بكل الأعمال الأساسية ، وقمنا بالالتفاف ، وقمنا بالتجميع 04:04.590 --> 04:09.480 والتسطيح ، والآن ستنتقل المعلومات عبر الشبكة العصبية الاصطناعية. 04:09.480 --> 04:11.970 لذلك دعونا نلقي نظرة على كيفية حدوث كل ذلك. 04:12.030 --> 04:18.160 هناك المعلومات التي يتم عرضها منذ البداية ، منذ اللحظة التي تتم فيها معالجة الصورة ، ثم يمكن تضمينها 04:18.160 --> 04:24.420 ، ثم تجميعها ، وتسويتها ، ثم من خلال الشبكة العصبية الاصطناعية ، جميع الخطوات الأربع. 04:24.960 --> 04:29.580 وبعد ذلك يتم عمل تنبؤ وسنرى كيف يحدث هذا في لحظة. 04:29.580 --> 04:30.660 سيكون الأمر ممتعًا جدًا جدًا. 04:30.660 --> 04:32.820 لكن في الوقت الحالي ، دعنا نقول فقط أنه تم إجراء تنبؤ. 04:32.820 --> 04:40.470 وعلى سبيل المثال ، 80٪ أنه كلب ، لكن اتضح أنه قطة ثم يتم حساب الخطأ جيدًا ، وهو ما اعتدنا 04:40.470 --> 04:47.700 أن نسميه دالة التكلفة في شبكة عصبية اصطناعية ، ونستخدم متوسط الخطأ التربيعي هناك 04:47.700 --> 04:51.240 أو في الشبكات العصبية التلافيفية. 04:51.240 --> 04:58.470 إنها تسمى دالة الخسارة ونستخدم دالة إنتروبيا متقاطعة لذلك وسنتحدث عن الانتروبيا المتقاطعة وتعني الأخطاء 04:58.470 --> 04:59.820 التربيعية. 04:59.990 --> 05:02.660 في برنامج تعليمي منفصل وكيف يحدث كل ذلك. 05:02.660 --> 05:08.240 لكن في الوقت الحالي ، دعنا نقول فقط أن لدينا نوعًا مفقودًا من الوظائف يخبرنا بمدى 05:08.240 --> 05:13.460 جودة أداء شبكتنا ونحاول تحسينها أو تحسينها أو تقليلها لتحسين شبكتنا. 05:13.460 --> 05:18.870 لذلك يتم حساب الخطأ ثم يتم نشره مرة أخرى عبر الشبكة تمامًا كما حدث في الشبكات العصبية 05:18.890 --> 05:21.500 الاصطناعية ، حيث يتم نشره مرة أخرى. 05:21.500 --> 05:27.800 ويتم تعديل بعض الأشياء في الشبكة للمساعدة في تحسين الأداء. 05:27.800 --> 05:31.880 والأشياء التي يتم تعديلها كالعادة هي الأوزان في جزء الشبكة العصبية الاصطناعية. 05:31.880 --> 05:34.790 لذا الخطوط الزرقاء التي ترونها هنا ، المشابك. 05:35.120 --> 05:41.570 ثم هناك شيء آخر يتم ضبطه وهو كاشفات الميزات. 05:41.570 --> 05:46.070 نحن نعلم أننا نبحث عن ميزات ، ولكن ماذا لو كنا نبحث عن الميزات الخاطئة؟ 05:46.070 --> 05:47.960 ماذا لو لم ينجح هذا؟ 05:47.960 --> 05:49.370 لأن الميزات غير صحيحة. 05:49.370 --> 05:55.940 وهكذا فإن كاشفات الميزات ، تلك تتذكر تلك المصفوفات الصغيرة التي كانت لدينا مصفوفات 05:55.940 --> 06:03.800 ثلاثة في ثلاث ، تم ضبطها بحيث ربما في المرة القادمة ستكون أفضل ودعونا نرى ما يحدث نوع الشيء. 06:03.800 --> 06:11.000 ولكن بالطبع يتم كل ذلك مع الكثير من العلوم في الخلفية والكثير من الرياضيات وكل ذلك يتم 06:11.000 --> 06:14.480 من خلال نزول متدرج متدرج مع انتشار عكسي. 06:14.480 --> 06:17.870 لذا فالأمر كله ليس مجرد اضطرابات عشوائية. 06:17.870 --> 06:20.780 لقد تم التفكير في كيفية القيام بذلك. 06:20.990 --> 06:27.560 ولكن مع ذلك ، يتم ضبط أجهزة الكشف عن الميزات وتعديل الأوزان وتحدث هذه العملية برمتها 06:27.560 --> 06:28.460 مرة أخرى. 06:28.550 --> 06:32.540 ثم مرة أخرى ، يتم نشر الخطأ مرة أخرى ويستمر هذا الأمر بشكل متكرر. 06:32.540 --> 06:35.060 وهذه هي الطريقة التي يتم بها تحسين شبكتنا. 06:35.060 --> 06:37.850 هذه هي الطريقة التي تتدرب بها شبكتنا على البيانات. 06:37.850 --> 06:42.200 لذا فالشيء المهم هنا هو أن البيانات تمر عبر الشبكة بأكملها 06:42.200 --> 06:45.950 من البداية إلى النهاية ، ثم تتم مقارنة الخطأ. 06:47.180 --> 06:49.880 لذلك يتم حساب الخطأ ثم يتم نشره مرة أخرى. 06:49.880 --> 06:56.450 لذلك نفس القصة كما هو الحال مع الشبكات العصبية الاصطناعية لفترة أطول قليلاً بسبب هذا كله للخطوات الثلاث الأولى التي 06:56.450 --> 06:57.800 كانت لدينا بالفعل. 06:58.820 --> 07:02.450 والآن دعونا نلقي نظرة على الجزء المثير للاهتمام ، الجزء المثير حقًا. 07:02.450 --> 07:04.760 كيف يعمل هذان الفصلان؟ 07:04.760 --> 07:07.070 لأن أو كيف تعمل هاتان الخلايا العصبية الناتجة؟ 07:07.070 --> 07:10.400 لأنه قبل ذلك كان لدينا نوعًا ما من الخلايا العصبية الناتجة. 07:10.400 --> 07:11.750 ماذا يحدث عندما يكون لدينا اثنان؟ 07:11.750 --> 07:17.420 كيف هذا كيف يتم وضع هذا التصنيف للصور؟ 07:17.420 --> 07:19.460 حسنًا ، لنبدأ بالخلايا العصبية العليا أولاً. 07:19.460 --> 07:21.350 سنبدأ بالكلب. 07:21.890 --> 07:28.850 كيف نحقق الهدف الرئيسي ، ما نحتاج إلى القيام به أولاً هو أننا بحاجة إلى فهم الأوزان التي يجب 07:28.850 --> 07:36.650 تعيينها لكل هذه المشابك العصبية التي تتصل بالكلب حتى نعرف أيًا من الخلايا العصبية السابقة مهمة بالفعل 07:36.650 --> 07:37.760 للكلب. 07:37.760 --> 07:38.840 ودعونا نرى كيف يتم ذلك. 07:38.840 --> 07:46.250 لنفترض أن لدينا هذه الأرقام في طبقتنا السابقة ، السابقة متصلة بالكامل في الطبقة النهائية المتصلة 07:46.430 --> 07:47.870 بالكامل. 07:47.870 --> 07:50.900 ومرة أخرى ، يمكن أن تكون هذه الأرقام أي شيء على الإطلاق. 07:50.900 --> 07:53.780 لا يجب أن يكونوا على أنهم يمكن أن يكونوا أي أرقام. 07:53.780 --> 08:00.740 لكن من أجل الجدل فقط ، سنتفق على أننا ننظر تحديدًا إلى الأعداد الواقعة بين صفر 08:00.740 --> 08:01.730 وواحد. 08:02.210 --> 08:05.090 لذلك من السهل علينا مناقشة هذه الأشياء وفهمها. 08:05.450 --> 08:11.360 وإحداهما تعني أن تلك الخلية العصبية كانت واثقة جدًا من أنها وجدت ميزة معينة. 08:11.360 --> 08:15.980 والصفر يعني أن العصبون لم يجد خاصية تبحث عنها. 08:15.980 --> 08:23.540 لذلك لأنه في نهاية اليوم ، هذه الخلايا العصبية تشبه أي شيء آخر على هذا الجانب الأيسر ، فهي تنظر فقط 08:23.540 --> 08:25.280 إلى ميزات في صورة ما. 08:25.280 --> 08:30.500 تمت معالجة هذا بالفعل بشكل كبير للغاية ، لكنه لا يزال يكتشف ميزة معينة أو مجموعة 08:30.500 --> 08:31.970 من الميزات في الصورة. 08:31.970 --> 08:36.860 قبل أن نقوم بخطوة التحكم ، كان لدينا نوع من الميزات التي يمكن التعرف عليها في خطوة التجمع. 08:36.860 --> 08:41.240 إنها أقل قابلية للتعرف عليها ، ثم تصبح أقل قابلية للتمييز في الصورة المسطحة ثم يتم 08:41.240 --> 08:42.410 دمجها وما إلى ذلك. 08:42.410 --> 08:48.650 لكن مع ذلك ، نتحدث عن هذا هنا ، بعض الميزات التي هي الصورة الحالية أو مزيجها. 08:48.650 --> 08:54.440 إذن ، الشيء الذي يتم إيقافه مؤقتًا وهذا مهم يتم تمريره إلى كل من الكلب والقط في نفس الوقت 08:54.440 --> 08:56.900 إلى كل من الخلايا العصبية الناتجة. 08:56.900 --> 09:05.030 لذا يعني أحدهم أنه بالنسبة لنا ، بالنسبة لحجتنا ، فهذا يعني أن هذه الخلية العصبية تشتعل. 09:05.030 --> 09:08.360 إنه حقًا يكتشف هذه الميزة بسرعة. 09:08.360 --> 09:10.100 قد يكون هذا حاجب. 09:10.100 --> 09:15.080 قد يكون هذا الحاجب يكتشف مرة أخرى ، من أجل البساطة ، هو يكتشف هذا الحاجب. 09:15.080 --> 09:17.300 وهي توصل ذلك إلى عصبون الكلب. 09:17.330 --> 09:20.270 إلى عصبون القط يقول ، يمكنني رؤية حاجبي ، يمكنني رؤية حاجبي. 09:20.270 --> 09:25.100 ثم الأمر متروك للكلب وخلايا القط العصبية لفهم ما يعنيه ذلك بالنسبة لهم. 09:25.100 --> 09:25.640 الصحيح. 09:25.640 --> 09:28.370 وفي هذه الحالة ، ما هي الخلايا العصبية التي تنشط؟ 09:28.370 --> 09:30.530 هذه الخلايا العصبية الثلاثة تطلق الحاجب. 09:30.530 --> 09:36.020 ودعونا نقول أن الأنف يقول ، أستطيع أن أرى أنفًا كبيرًا وأستطيع رؤية الأذنين المرنة. 09:36.020 --> 09:40.460 لذا فهو يقول ذلك للكلب والقط ثم ماذا للكلب. 09:40.460 --> 09:43.280 ثم ما يحدث هو أننا نعلم أن هذا كلب. 09:43.280 --> 09:49.880 لذا فإن الخلية العصبية للكلب تعرف أن الإجابة هي في الواقع كلب لأننا في النهاية نقارن الصورة 09:49.880 --> 09:53.570 أو الملصق الموجود على الصورة وهو يعرف الكلب. 09:53.570 --> 09:58.610 إذن ، في الأساس ، ستقول خلية الكلب ، آها ، لذلك يجب أن يتم تشغيلي في هذه الحالة. 09:58.610 --> 09:59.540 إذن هؤلاء هم. 09:59.650 --> 10:00.370 عصبوناتي. 10:00.370 --> 10:06.190 إنهم يخبرونني بالإشارة التي يرسلونها إلي ، وإلى الكلب وإلى القطة ، هي في الواقع 10:06.190 --> 10:08.920 إشارة بالنسبة لي على أنها كلب. 10:08.920 --> 10:13.540 وخلال هذه الكثير والكثير والكثير من التكرارات ، إذا حدث هذا عدة مرات 10:13.540 --> 10:19.450 ، سيتعلم الكلب أن هذه الخلايا العصبية تنشط بالفعل عندما تنتمي الميزة إلى كلب. 10:19.480 --> 10:24.100 من ناحية أخرى ، ستعرف الخلية العصبية للقطط أنها ليست قطة وستعرف أن هذه الميزة تنطلق وأن 10:24.100 --> 10:28.480 هذه الخلايا العصبية تخبرني أنه يمكنها رؤية الأذنين المرنة والأذنين المرنة والأذنين 10:28.480 --> 10:30.970 المرنة ، لكنها ليست كذلك في نفس الوقت قطة. 10:30.970 --> 10:35.740 بالنسبة لي ، هذه إشارة إلى أنني يجب أن أتجاهل هذه الخلايا العصبية مثل. 10:35.740 --> 10:41.440 وكلما حدث ذلك ، كلما زاد تجاهل الخلايا العصبية للقطط لهذه الخلايا العصبية حول الأذنين المرنة. 10:42.160 --> 10:49.000 وهذه هي الطريقة الأساسية من خلال الكثير والكثير من التكرارات إذا كان هذا يحدث كثيرًا. 10:49.000 --> 10:50.020 لذلك هذا مجرد مثال واحد. 10:50.020 --> 10:54.370 ولكن إذا حدث هذا كثيرًا ، فربما واحدًا ، ربما 0. 8 ، 0. 9 ، ربما في بعض الأحيان لا تطلق. 10:54.370 --> 10:59.410 لكن بشكل عام ، في المتوسط ، تضيء هذه الخلايا العصبية كثيرًا. 10:59.410 --> 11:05.830 عندما يكون كلبًا بالفعل ، ستبدأ الخلية العصبية للكلب في إعطاء أهمية أكبر لهذه الخلايا العصبية. 11:05.830 --> 11:06.520 وها نحن ذاهبون 11:06.520 --> 11:08.290 هذه هي الطريقة التي سنشير إليها. 11:08.320 --> 11:14.200 سنقول أن هذه الخلايا العصبية الثلاثة ، من خلال هذه العملية التكرارية مع العديد والعديد والعديد والعديد 11:14.200 --> 11:16.810 من العينات والعديد والعديد من الحقب ، تذكر. 11:16.810 --> 11:23.170 لذا فإن العينة عبارة عن صف في مجموعة البيانات الخاصة بك والعصر هو عندما تمر عبر مجموعة البيانات بأكملها مرارًا وتكرارًا. 11:23.170 --> 11:25.000 هناك الكثير والكثير من التكرارات. 11:25.000 --> 11:34.090 علمت هذه الخلية العصبية للكلب أن خلية الحاجب هذه وخلايا الأنف الكبيرة وخلايا 11:34.090 --> 11:43.690 الأذن المرنة هذه ، يبدو أنها تساهم بشكل جيد جدًا في تصنيف ما تبحث عنه وهو كلب. 11:44.320 --> 11:45.520 هذه هي الطريقة التي يعمل بها. 11:45.520 --> 11:55.060 ومرة أخرى ، هذه الآذان والأنف والحواجب ، تلك تقريبية جدًا جدًا أو تشبه الأمثلة بعيدة المنال لأنه في هذه المرحلة 11:55.060 --> 12:01.570 ، في هذه الشبكة العصبية التلافيفية بأكملها ، لا يمكن التعرف عليها تمامًا ، 12:01.570 --> 12:03.490 ما الذي يبحثون عنه. 12:03.490 --> 12:08.890 لكن في نفس الوقت ، فهو شيء في سمات الكلاب أو القطط أو أي شيء تقوم بتصنيفه. 12:09.190 --> 12:11.140 ثم دعونا ننتقل إلى المرحلة التالية. 12:11.140 --> 12:15.610 الآن سنلقي نظرة على الخلايا العصبية للقطط ، ولكن هذه سوف نتذكر أن هذه الأوزان 12:15.940 --> 12:17.830 هي التي قمنا بفرزها للكلب. 12:17.830 --> 12:21.130 لذا فإن الكلب يشبه إلى حد كبير تجاهل كل هذه الخلايا العصبية الأخرى. 12:21.130 --> 12:22.570 واحد إثنان ثلاثة أربعة خمسة. 12:22.570 --> 12:26.140 لكنها في الحقيقة تولي اهتماما لما تقوله هذه الخلايا العصبية الثلاثة. 12:26.290 --> 12:28.240 الآن ، ما الذي تستمع إليه القطة؟ 12:28.240 --> 12:31.480 حسنًا ، عندما تكون قطة بالفعل ، أليس كذلك. 12:32.500 --> 12:35.500 هذا مثال على موقف عندما يكون في الواقع قطة. 12:35.500 --> 12:42.460 سترون أن هذه الخلايا العصبية الثلاثة ، 0. 9 ، 0. 9 وواحد ، يقولون شيئًا. 12:42.460 --> 12:44.530 إنهم يقولون شيئًا لكل من الكلب والقط. 12:44.530 --> 12:45.730 وهذا ، مرة أخرى ، من المهم أن نتذكره. 12:45.730 --> 12:48.520 لذا فإن إشارة الخرج هذه تذهب في كلا الاتجاهين. 12:48.520 --> 12:49.450 إنه نفس الشيء ، أليس كذلك؟ 12:49.450 --> 12:54.190 إنه يقول للكلب أن يقول واحدًا للقط ، لكن الأمر متروك للكلب 12:54.190 --> 13:00.070 والقط ليقرر ما إذا كان سيأخذ في الاعتبار هذه الإشارة ويتعلم منها أم لا. 13:00.280 --> 13:04.000 ويمكن للكلب والقط أن يروا أن هذه صورة. 13:04.030 --> 13:07.000 كان يجب أن أضع صورة لقط هنا ، لكن في الأساس تخيل صورة قطة. 13:07.000 --> 13:09.910 يمكن لكل من الكلب والقط أن يروا أن هذه في الواقع قطة. 13:09.910 --> 13:18.970 إذن فالكلب يشبه ، أوه ، حسنًا ، هذه الشوارب وهذه الآذان المثلثة المدببة وهذا الحجم الصغير ، على ما 13:18.970 --> 13:26.320 أعتقد ، أو أوه ، ربما هذا النوع ، هل تعرف كيف تضع القطط هذه الأشياء في العيون؟ 13:26.320 --> 13:28.240 عيونهم مثل القليل. 13:28.240 --> 13:32.110 إنهم ليسوا دوائر أو خطوط أو شيء من هذا القبيل. 13:32.110 --> 13:33.280 مثل عيون القط. 13:33.280 --> 13:37.390 في الأساس ، عيون القطط هذه ، بالتأكيد لا تعمل من أجلي. 13:37.390 --> 13:42.880 إنهم لا يساعدونني في التنبؤ لأنه في كل مرة تضيء فيها هذه الخلايا العصبية ، فإن التنبؤ 13:42.910 --> 13:43.990 ليس ما أبحث عنه. 13:44.020 --> 13:46.810 من ناحية أخرى ، القطة مثل ، هذا مثير للاهتمام. 13:46.810 --> 13:51.430 في كل مرة تضيء هذه ، يكون هذا أو في معظم الوقت يضيء. 13:51.430 --> 13:53.800 إنها تطابق توقعاتي. 13:53.800 --> 13:55.210 يتطابق مع ما أبحث عنه. 13:55.240 --> 13:55.540 تمام. 13:55.540 --> 13:57.970 سأستمع إلى هذا الرجل أكثر من هذا. 13:57.970 --> 13:58.870 هذا الشيء نفسه. 13:58.870 --> 14:01.840 في كل مرة تضيء أو تضيء في معظم الأوقات. 14:02.620 --> 14:09.040 تصادف أن أحصل على شيء جيد وأكافأ على توقعي لأنني فهمته بشكل صحيح. 14:09.040 --> 14:09.670 انها قطة. 14:09.670 --> 14:11.230 حسنًا ، سأستمع إليه أكثر. 14:11.230 --> 14:16.060 كما تعلمون ، هذا عديم الفائدة بالنسبة لي لأنه ليس مثله بالفعل. 14:17.020 --> 14:17.980 إنه لا يضيء حتى. 14:17.980 --> 14:19.870 إنها قطة ، لكنها لا تضيء. 14:19.870 --> 14:20.950 لذا فإن العكس يحدث. 14:20.950 --> 14:22.000 وهذا ايضا 14:22.000 --> 14:23.410 إنها قطة ، لكنها لا تضيء. 14:23.410 --> 14:24.340 لذا لن أستمع إليه. 14:24.340 --> 14:27.520 ولكن هذا عندما يكون ما هذا؟ 14:27.520 --> 14:27.940 العيون. 14:27.940 --> 14:29.350 تضيء عيون القط. 14:29.590 --> 14:31.780 يمكننا أن نرى أنه قطة. 14:31.780 --> 14:33.220 إنها تتطابق في معظم الأوقات. 14:33.220 --> 14:38.650 لذلك سوف أتعلم من ذلك وسأستمع إلى هؤلاء الرجال الثلاثة في كثير من الأحيان. 14:38.650 --> 14:42.940 وبالتالي فإن القطة تستمع إلى هؤلاء الثلاثة وتتجاهل الخمسة الآخرين. 14:42.940 --> 14:53.620 وهذه هي الطريقة التي تتعلم بها هذه الخلايا العصبية النهائية أي الخلايا العصبية في الطبقة النهائية المتصلة بالكامل للاستماع إليها. 14:53.620 --> 14:58.330 لذا فإن الخلايا العصبية الناتجة تتعلم أيًا منها متصل بالكامل أو أي من النهايات متصل بالكامل. 14:58.640 --> 14:59.990 للاستماع إلى الخلايا العصبية الخاصة بهم. 14:59.990 --> 15:02.360 وهذه هي الطريقة التي يفهمونها. 15:02.720 --> 15:08.720 في الأساس ، هذه هي الطريقة التي يتم بها نشر الميزات عبر الشبكة ونقلها إلى المخرجات. 15:08.720 --> 15:13.820 وعلى الرغم من أن هذه الميزات ، بالطبع ، ليس لها الكثير من المعنى بالنسبة لها 15:13.820 --> 15:21.770 ، مثل الأذنين المرنة أو الشعيرات ، في نفس الوقت ، لديهم بعض الميزات المميزة ، فهي سمة مميزة لتلك الفئة المحددة. 15:21.770 --> 15:26.810 وهذه هي الطريقة التي يتم بها تدريب الشبكة ، لأننا أيضًا أثناء التذكر أثناء عملية الانتشار 15:26.810 --> 15:29.660 الخلفي ، نقوم أيضًا بضبط أجهزة الكشف عن الميزات. 15:29.660 --> 15:36.410 لذلك إذا كانت الميزة عديمة الفائدة للمخرجات ، فمن المحتمل أن يتم تجاهلها لأن هذا لا يحدث خلال 15:36.410 --> 15:40.790 يوم أو يومين ، بل يحدث فقط من خلال آلاف وآلاف التكرارات. 15:40.790 --> 15:46.250 لذلك مع مرور الوقت ، سيتم تجاهل الميزة غير المجدية للشبكة واستبدالها بميزة 15:46.250 --> 15:47.120 مفيدة. 15:47.120 --> 15:53.510 وهكذا في نهاية اليوم ، في هذه الطبقة الأخيرة من الخلايا العصبية ، من المحتمل أن يكون لديك 15:53.510 --> 16:00.620 الكثير من الميزات أو مجموعات من الميزات من الصورة التي تمثل بالفعل أو وصفية للكلاب والقطط. 16:01.460 --> 16:06.560 وبمجرد أن يتم تدريب شبكتك ، فهذه هي طريقة تطبيقها. 16:06.560 --> 16:08.540 هذه هي الخطوة التالية ، كما لو كنا قد تدربنا عليها بالفعل. 16:08.540 --> 16:12.950 لنحدث ، دعنا نرى ما يحدث عند تطبيق هذه الشبكة. 16:12.950 --> 16:15.170 لنفترض أننا مررنا صورة كلب. 16:16.280 --> 16:20.300 يتم نشر القيم عبر الشبكة ، نحصل على قيم معينة. 16:20.300 --> 16:24.860 وهذه المرة لا يعرف الكلب والخلايا العصبية للقط. 16:24.860 --> 16:26.660 ليس لديهم صورة الكلب هنا. 16:26.660 --> 16:28.370 إنهم لا يعرفون أنه كلب أو قطة. 16:28.370 --> 16:35.570 ليس لديهم فكرة عما هو عليه ، لكنهم تعلموا الاستماع إلى ما يتم عرضه هنا ، أليس كذلك؟ 16:35.570 --> 16:39.980 لقد تعلموا الاستماع إلى الخلايا العصبية للكلب ، والاستماع إلى هذه الخلايا العصبية الثلاثة ، والخلايا العصبية القط تستمع إلى 16:39.980 --> 16:40.670 هؤلاء الثلاثة. 16:40.670 --> 16:44.690 وهكذا تنظر خلية الكلب إلى 1 إلى 3 وتقول ، آها ، هذه عالية جدًا. 16:44.690 --> 16:47.570 لذا فإن احتمال أن يكون كلبًا مرتفعًا. 16:47.600 --> 16:52.550 تنظر الخلية العصبية للقط إلى هؤلاء الثلاثة وتقول ، حسنًا ، هذه ، هذه مرتفعة جدًا ، لكنها 16:52.550 --> 16:53.450 منخفضة جدًا. 16:53.450 --> 16:54.230 مثير للإعجاب. 16:54.230 --> 16:56.870 لذا فإن احتمالي سيكون 0. 05. 16:56.870 --> 17:00.020 وبعد ذلك وهذا هو المكان الذي تحصل فيه على تنبؤاتك. 17:00.020 --> 17:05.600 إذن ، خيارك الأول لهذه الشبكة العصبية هو الكلب ، والخيار الثاني هو القط. 17:05.600 --> 17:06.830 وهذا كل ما في الأمر. 17:06.830 --> 17:08.030 لذا فإن الجواب هو الكلب. 17:08.150 --> 17:14.780 ونفس الشيء يحدث عندما تقوم بتمرير صورة قطة ، تحصل على قيم جديدة ويمكنك أن ترى أنه على الرغم من أن هذه القيمة عالية 17:14.780 --> 17:16.520 ، إلا أن هذه القيم منخفضة. 17:16.520 --> 17:20.450 وبالنسبة للقط ، هذا أعلى ، هذا مرتفع وهذا منخفض قليلاً. 17:20.450 --> 17:23.870 لذلك قد لا يكون الاحتمال هنا كبيرًا كما كان من قبل. 17:23.870 --> 17:26.720 لكن لا يزال بإمكانك رؤية أنها قطة بنسبة 79٪. 17:26.720 --> 17:30.080 وبالتالي فإن الشبكة العصبية ستصوت على أنها قطة. 17:30.080 --> 17:33.140 وبالتالي ، ستستنتج كل الشبكة العصبية أنها قطة. 17:33.140 --> 17:36.230 التصويت هو مصطلح يستخدم لهؤلاء الرجال. 17:36.230 --> 17:42.650 إذاً هذه الخلايا العصبية في الطبقة النهائية المتصلة بالكامل ، يمكنهم التصويت وهذه هي أصواتهم. 17:42.650 --> 17:47.120 ومرة أخرى ، نحن فقط من أجل الجدل ، نضع القيم بين صفر وواحد هنا. 17:47.120 --> 17:54.410 يمكن أن تكون هذه أي قيم ، لكنهم سيصوتون ومن ثم هذه الأوزان هي أهمية تصويتهم. 17:54.410 --> 18:00.470 هذه هي الأوزان الأرجوانية هذه هي الطريقة التي تنظر بها عصبون الكلب إلى أصواتهم. 18:00.470 --> 18:04.730 ما مدى الأهمية التي تُسند إلى هذه الخلايا العصبية وتلك الأصوات؟ 18:04.730 --> 18:12.650 وهذا هو مقدار الأهمية التي تخصصها الخلايا العصبية للقط لهذه الأصوات لهذه الخلايا العصبية. 18:12.650 --> 18:16.580 وبالتالي فإن هذه الخلايا العصبية تصوت للكلب والقط بناءً على الأوزان التي تعلموها. 18:16.580 --> 18:20.840 يقررون من يستمعون إليه ومن ثم يقومون بتنبؤاتهم ثم يحتفظون بها. 18:20.840 --> 18:24.350 خلصت الشبكة العصبية إلى أن هذه ، في هذه الحالة ، قطة. 18:24.350 --> 18:26.870 ثم هذا وبعد ذلك هذا هو استنتاجك. 18:26.870 --> 18:34.700 وبهذه الطريقة تحصل على صور مثل هذه ، حيث يكون لديك فهد وبعد ذلك يكون لديك فصل الفهد مع احتمالية 18:34.700 --> 18:36.740 عالية وعالية. 18:36.740 --> 18:39.830 إذن هذا هو الاحتمال الذي تنبأت به الشبكة. 18:39.830 --> 18:43.880 وهذه مستويات منخفضة ، لكنها لا تزال موجودة لأنها لا تزال نوعًا ما بمثابة فرصة صغيرة. 18:43.880 --> 18:48.740 تستمع الخلايا العصبية الأخرى أيضًا إلى ناخبيها ويقولون ، أوه ، ربما هو في الواقع 18:48.740 --> 18:49.220 نمر. 18:49.220 --> 18:51.600 والقطار السريع مرجح للغاية هنا. 18:51.650 --> 18:57.440 المقص ، كما تعلمون ، هذا ، زر واحد pangloss كان قريبًا جدًا في المرتبة الثانية ثم سماعة الطبيب لأنك 18:57.440 --> 19:03.020 تستطيع أن ترى مثل هؤلاء الرجال ، هذه الخلايا العصبية ، عصبون المقص ، الإخراج ، هذه الخلية العصبية 19:03.020 --> 19:09.740 تستمع إلى ناخبيها وكان لها التصويت السائد بشكل عام ، ولكن بعد ذلك كان لمعان اليد نتيجة جيدة أيضًا. 19:09.980 --> 19:10.760 لذا ها نحن ذا. 19:10.760 --> 19:14.390 هذه هي الطريقة التي يعمل بها الاتصال الكامل وكيف يتم ذلك. 19:14.390 --> 19:16.400 كل هذا يلعب معا. 19:16.400 --> 19:18.620 أتمنى أن تستمتع ببرنامج اليوم التعليمي. 19:18.620 --> 19:22.730 سنلخص كل هذا في الملخص أيضًا وسأراكم في المرة القادمة. 19:22.730 --> 19:24.800 حتى ذلك الحين ، استمتع بالتعلم العميق.