WEBVTT 00:00.480 --> 00:03.160 สวัสดีและยินดีต้อนรับสู่การสอน Python นี้ 00:03.180 --> 00:03.520 เอาล่ะ 00:03.520 --> 00:08.810 ในน้ำมันนี้เราจะสร้างฟังก์ชั่นที่จะเลือกการกระทำที่เหมาะสมและทุกครั้ง 00:08.810 --> 00:13.650 โดยพื้นฐานแล้วเราจะใช้ชิ้นส่วนที่จะทำให้รถเคลื่อนที่ถูกต้อง 00:13.740 --> 00:20.640 และทุกครั้งที่มันออกไปตรงหรือไปทางขวาเพื่อไปให้ถึงเป้าหมายและเพื่อหลีกเลี่ยงอุปสรรคที่สืบเชื้อสายมา 00:21.000 --> 00:22.350 ลองทำกันตอนนี้ 00:22.370 --> 00:37.410 เราจะเริ่มต้นตามปกติด้วยคนหูหนวกเพื่อกำหนดฟังก์ชั่นแล้วเราให้ชื่อฟังก์ชั่นของเราซึ่งเราจะเรียกการกระทำที่เลือกกว่าวงเล็บบางส่วนและฟังก์ชั่นการกระทำที่เลือกนี้จะมีสองอาร์กิวเมนต์ 00:37.450 --> 00:46.150 สิ่งแรกคือตัวคุณเองเมื่อคุณโตขึ้นเพื่ออ้างถึงวัตถุและอาร์กิวเมนต์ที่สองซึ่งตามที่คุณกำลังจะเป็นที่หนึ่ง 00:46.390 --> 00:47.860 มันอาจเป็นไปได้ 00:47.860 --> 00:59.890 ถ้าคุณคิดเกี่ยวกับมันการกระทำที่เราเลือกมาจากเอาท์พุทของโครงข่ายประสาทเทียมเพราะเอาต์พุตของโครงข่ายประสาทหรือค่า q สำหรับแต่ละการกระทำที่เป็นไปได้สามข้อ 00:59.890 --> 01:11.610 เครือข่ายนิวรัลขึ้นอยู่กับสถานะอินพุตและสถานะอินพุตเป็นอาร์กิวเมนต์ที่สองที่เราต้องการด้วยฟังก์ชันการทำงานที่เลือก 01:11.680 --> 01:16.310 เป็นเพราะเรากำลังจะเอาท์พุทของเครือข่ายประสาท 01:16.510 --> 01:22.180 และแน่นอนว่าผลลัพธ์ของเครือข่ายประสาทโดยตรงขึ้นอยู่กับอินพุตของเครือข่ายประสาท 01:22.360 --> 01:24.010 นั่นจะเป็นข้อโต้แย้งของเรา 01:24.280 --> 01:31.720 และตอนนี้เราสามารถตั้งชื่อได้จริง 01:31.960 --> 01:39.920 ๆ แล้วเราจะเรียกมันว่าสถานะเพราะอินพุตของเครือข่ายประสาทเทียมคือสถานะอินพุตที่และเขียนโดยเวกเตอร์ขนาดห้าถึงสามทิศทางการวางแนวและลบ 01:40.120 --> 01:42.120 และตอนนี้ทุกอย่างก็ง่ายขึ้น 01:42.160 --> 01:47.860 เราจะป้อนสถานะอินพุตเข้าสู่เครือข่ายประสาทเทียมที่เราสร้างขึ้นด้านบนตรงนี้กับคลาสถัดไปจากนั้นเราจะได้ผลลัพธ์ซึ่งเป็นค่าคีย์สำหรับการกระทำที่เป็นไปได้สามอย่างจากนั้น 01:47.860 --> 01:54.520 ใช้วิธี soft 01:54.520 --> 02:00.360 max ซึ่งฉันจะอธิบายในบทช่วยสอนนี้ 02:00.400 --> 02:03.140 เรากำลังจะได้ฉากสุดท้ายที่จะเล่น 02:03.280 --> 02:08.460 งั้นลองทำฟังก์ชั่นกันดู 02:08.470 --> 02:14.980 ดังนั้นสิ่งแรกที่เราต้องเริ่มต้นคือเกี่ยวกับสิ่งที่ฉันเพิ่งกล่าวถึง soughed Max ความคิดของ 02:14.980 --> 02:20.590 soft max คือการที่เรากำลังพยายามที่จะเล่นให้ดีที่สุดในแต่ละครั้ง 02:20.740 --> 02:25.000 แต่ในเวลาเดียวกันเราจะสำรวจการกระทำที่แตกต่างกัน 02:25.000 --> 02:25.950 และเราจะทำอย่างไร 02:25.960 --> 02:31.080 เราจะได้รับการดำเนินการที่ดีที่สุดในการเล่นในขณะที่ยังคงสำรวจการกระทำอื่น ๆ 02:31.270 --> 02:40.370 ทีนี้เราใช้ความคิดเรื่องนี้ซึ่งประกอบด้วยการแจกแจงความน่าจะเป็นสำหรับค่า q แต่ละค่า 02:40.420 --> 02:42.100 การกระทำ Q States 02:42.160 --> 02:46.600 ตอนนี้เรามีค่า Q หนึ่งค่าสำหรับแต่ละการกระทำไปทางซ้ายหรือตรง 02:46.850 --> 02:49.680 แต่ค่า q นี้ยังขึ้นอยู่กับสถานะอินพุต 02:49.690 --> 02:52.720 นั่นคือฟังก์ชั่น Q ที่ใช้ในการบรรยายปรีชา 02:52.870 --> 02:56.280 ฟังก์ชั่น Q นี้เป็นฟังก์ชั่นของรัฐและการกระทำ 02:56.320 --> 03:09.070 ดังนั้นเนื่องจากเรามีสถานะอินพุตหนึ่งสถานะซึ่งเป็นสถานะที่นี่และสามการกระทำที่เป็นไปได้เราจึงมีค่าใหม่สามค่า 03:09.070 --> 03:13.760 การกระทำของรัฐ 1 Q การกระทำของรัฐ 2 และสองการกระทำของรัฐ 3 และเราจะสร้างการกระจายของความน่าจะเป็นที่เกี่ยวกับค่านิยมทั้งสาม 03:13.930 --> 03:19.420 นั่นคือเราจะมีความน่าจะเป็นหนึ่งสำหรับค่า Q แรกความน่าจะเป็นหนึ่งสำหรับค่า 03:19.420 --> 03:25.490 Q ที่สองและความน่าจะเป็นที่สามสำหรับ Q ที่สามและความน่าจะเป็นทั้งสามนั้นจะรวมกันเป็น 1 03:25.670 --> 03:31.840 ดังนั้นเราจะทำทั้งหมดนี้ด้วยค่าสูงสุดของ soughed และค่า soughed Max จะให้ค่าความน่าจะเป็นที่สูงของค่า Q 03:32.170 --> 03:33.530 สูงสุด 03:33.820 --> 03:41.050 นั่นเป็นเหตุผลว่าทำไมทางเลือกของ soft max จึงเป็น RMX แบบง่ายๆที่ไม่รับค่า q 03:41.530 --> 03:44.860 สูงสุดโดยตรง แต่ในกรณีนี้เราไม่ได้สำรวจการกระทำอื่น ๆ 03:44.920 --> 03:51.900 ด้วยความน่าจะเป็นที่เราสามารถสำรวจได้จากที่อื่นโดยใช้พารามิเตอร์อุณหภูมิที่เราจะเห็นได้อย่างรวดเร็ว 03:52.210 --> 03:55.990 เรายังสามารถสำรวจพวกมันได้โดยการกำหนดค่าพารามิเตอร์อุณหภูมินี้ 03:56.020 --> 04:03.380 นั่นเป็นเหตุผลทั่วไปสำหรับความปลอดภัยฉันขอแนะนำให้ใช้ soft x มากกว่า RMX ธรรมดา 04:03.460 --> 04:06.990 เอาล่ะมาลองใช้ X กันเถอะ 04:07.060 --> 04:12.990 เนื่องจาก soughed Max ส่งคืนความน่าจะเป็นของแต่ละค่า Q ทั้งสามสำหรับการดำเนินการสามอย่าง 04:13.180 --> 04:20.120 ตัวแปรแรกที่เราจะสร้างอาจอ้างอิงถึงความน่าจะเป็นเหล่านี้ 04:20.450 --> 04:28.070 ดังนั้นอุปกรณ์ประกอบฉากเท่ากับและตอนนี้เรากำลังจะใช้ฟังก์ชันถัดไปที่ทำให้เค็มของเราและตามที่คุณจะไปจากที่ใด 04:28.330 --> 04:31.600 แน่นอนว่าเราจำได้ว่านำเข้า 04:31.700 --> 04:39.790 และจากนั้นฟังก์ชั่น submodule ที่ฉันเตือนคือโมดูลที่มีการดำเนินการส่วนใหญ่ในการนำเครือข่ายประสาท 04:39.820 --> 04:44.980 เราให้มันเป็นทางลัด F และนั่นก็คือจากฟังก์ชั่น submodule 04:44.980 --> 04:46.990 ที่เราจะทำหน้าที่ต่อไป 04:47.290 --> 04:53.830 แต่เนื่องจากเราให้ทางลัด f เราจึงเริ่มต้นที่นี่ด้วย Neph 04:54.040 --> 04:56.080 ซึ่งเป็นตัวแทนของฟังก์ชันที่เราใช้ในฟังก์ชันถัดไป 04:56.080 --> 04:56.920 นี่มันคือ 04:56.980 --> 04:59.540 นั่นคืออันแรกและวงเล็บ 04:59.770 --> 05:00.160 เอาล่ะ 05:00.200 --> 05:03.920 ทีนี้เราต้องใส่อะไรในฟังก์ชั่นถัดไป 05:04.150 --> 05:10.020 แน่นอนว่าเป็นเอนทิตีที่เราต้องการสร้างการแจกแจงความน่าจะเป็น 05:10.190 --> 05:11.430 และหน่วยงานเหล่านี้คืออะไร 05:11.550 --> 05:13.870 แน่นอนว่าสิ่งเหล่านี้คือค่านิยมหลัก 05:13.870 --> 05:16.790 ตอนนี้คำถามคือเราจะได้ค่า q อย่างไร 05:16.960 --> 05:23.410 แน่นอนว่าค่า q คือผลลัพธ์ของโครงข่ายประสาทและเพื่อให้ได้ผลลัพธ์เหล่านี้ของ 05:23.590 --> 05:24.560 เราไปกันดีกว่า 05:24.610 --> 05:26.830 เราจำเป็นต้องใช้เครือข่ายใหม่ของเรา 05:27.100 --> 05:33.520 แต่ในความเป็นจริงเรามีอยู่แล้วเพราะนั่นคือสิ่งที่เริ่มต้นได้ในตอนท้าย 05:33.530 --> 05:41.540 รู้ว่าเราสร้างรูปแบบการเรียนรู้ด้วยตนเองซึ่งไม่มีอะไรอื่นที่จะไม่ทำงานเพราะเป็นวัตถุใหม่ของคลาสเครือข่าย 05:41.600 --> 05:42.820 และนั่นก็สมบูรณ์แบบ 05:42.830 --> 05:52.950 เราสามารถนำโมเดลของเรามาที่นี่และสิ่งต่อไปจะใช้โมเดลนี้กับสถานะอินพุตซึ่งเป็นอาร์กิวเมนต์ที่นี่ 05:53.090 --> 05:54.440 นั่นคือค่าที่สำคัญ 05:54.560 --> 06:00.840 ดังนั้นตอนนี้สัญชาตญาณของคุณว่าทำไมเราต้องนำแบบจำลองนี้ไปใช้เพื่อแนะนำในฟังก์ชัน 06:00.920 --> 06:08.780 ผู้ที่เริ่มต้นด้วยการเขียนโปรแกรมเชิงวัตถุคุณจะเห็นว่าทั้งหมดนี้จะกลายเป็นธรรมชาติที่อ่อนนุ่มต่อไป 06:08.870 --> 06:16.840 ดังนั้นเราจึงนำแบบจำลองของเราเองมาใช้เพราะนี่จะต้องเป็นแบบจำลองของวัตถุที่เราสร้างขึ้นที่นี่ 06:17.180 --> 06:30.400 แต่จากนั้นเราจำเป็นต้องรับเอาท์พุทของโมเดลโครงข่ายประสาทของเราและดังนั้นเราจะได้ยินวงเล็บบางตัวที่เราจะใส่เข้าไป 06:30.620 --> 06:40.560 ดังนั้นสิ่งที่เราต้องการทำในตอนแรกคือเข้าสู่สถานะ แต่ตอนนี้เราต้องระวังสิ่งที่รัฐดูเหมือนจะเป็นชุดที่เรียบง่ายในขณะนี้ 06:40.790 --> 06:52.190 แต่จำไว้ว่ารัฐนั้นจะเป็นเซ็นเซอร์คบเพลิงเพราะในภายหลังเราจะใช้เซลล์นี้ในสถานะที่น้อยลงเพื่อใช้เป็นอาร์กิวเมนต์ของฟังก์ชั่นเลือกการกระทำ 06:52.190 --> 06:57.430 การโต้เถียงของรัฐที่อยู่ที่นี่กำลังจะกลายเป็นรัฐที่สอนตัวเองน้อยกว่า 06:57.680 --> 07:01.680 และเนื่องจากนี่เป็นโลกแห่งคำตอบที่ทรมานรูปแบบจะยอมรับ 07:01.760 --> 07:02.690 นั่นเป็นเรื่องปกติ 07:02.810 --> 07:05.000 แต่ตอนนี้เราสามารถปรับปรุงอัลกอริทึม 07:05.180 --> 07:13.260 ดังนั้นทันทีที่รัฐเป็นเซ็นเซอร์ไฟฉายและอย่างที่เราได้กล่าวไปแล้วก่อนหน้านี้ 07:13.320 --> 07:15.640 สิ่งนี้จะมีการไล่ระดับสี 07:15.650 --> 07:27.990 ตอนนี้สิ่งที่เราจะทำก่อนคือห่อสถานะอินพุตนี้ซึ่งเป็นเมตริกซ์เข้าไปในไฟฉายได้ดี แต่เนื่องจากนี่คือสถานะอินพุต 07:28.160 --> 07:34.700 เราจะไม่ใช้การไล่ระดับสีของ 07:34.880 --> 07:45.530 Voivode ของไฟฉายสถานะนี้และนั่นอาจเป็นสถานีดังนั้นสิ่งที่เรากำลังจะทำตอนนี้คือการแปลงสถานะเซ็นเซอร์ไฟฉายนี้เป็นตัวแปรไฟฉายเช่นนี้ 07:45.780 --> 07:52.380 แต่เพื่อระบุว่าเราไม่ต้องการการไล่ระดับสีในกราฟที่สามารถปล้นได้ในตอนท้ายของ Mudgal 07:52.570 --> 07:57.800 ทีนี้เราจะได้ค่าความผันผวนเท่ากับจริง 07:58.150 --> 08:07.200 ดังนั้นตอนนี้เรามีเซ็นเซอร์คบเพลิงของรัฐเป็นไฟฉายได้ดีมาก แต่ต้องขอบคุณ Votel นี้เท่ากับบารอมิเตอร์จริง 08:07.390 --> 08:16.530 ทีนี้เราจะรวมการไล่ระดับสีที่เกี่ยวข้องกับสถานะอินพุตนี้เข้ากับกราฟของเงื่อนไขทั้งหมดของจุดจบในโมเดลนั้น 08:16.840 --> 08:18.530 นั่นคือเคล็ดลับทางเทคนิคอื่น 08:18.550 --> 08:23.130 สิ่งนี้จะช่วยให้เรามีความทรงจำและดังนั้นสิ่งนี้จะปรับปรุงประสิทธิภาพ 08:23.170 --> 08:27.850 ดังนั้นฉันขอแนะนำให้ทำและตอนนี้เรากำลังจะเพิ่มสิ่งที่สนุกกว่า 08:27.910 --> 08:30.640 มันเกี่ยวกับพารามิเตอร์อุณหภูมิที่ฉันเพิ่งพูด 08:30.850 --> 08:40.040 ดังนั้นพารามิเตอร์อุณหภูมินี้เป็นพารามิเตอร์ที่จะช่วยให้เราปรับเปลี่ยนวิธีการที่เครือข่ายประสาทจะต้องแน่ใจว่าการกระทำที่ควรจะเล่น 08:40.210 --> 08:56.540 ดังนั้นพารามิเตอร์อุณหภูมินี้จะเป็นตัวเลขบวกและยิ่งเข้าใกล้มากเท่าใดก็จะยิ่งเป็นศูนย์ยิ่งแน่ใจว่าเครือข่ายประสาทเทียมจะเล่นเมื่อมีการเคลื่อนไหวและยิ่งพารามิเตอร์อุณหภูมิสูงขึ้นเท่าใด . 08:56.890 --> 09:05.250 และเพื่อเพิ่มพารามิเตอร์นี้ฉันจะคูณเอาท์พุทซึ่งเป็น Kugan ที่ใช้โดยพารามิเตอร์อุณหภูมินี้ 09:05.500 --> 09:13.440 งั้นลองเริ่มตัวอย่างด้วย 7 แล้วผมจะระบุที่นี่ความคิดเห็นเล็กน้อย T เท่ากับ 7 09:13.460 --> 09:15.610 นั่นคือพารามิเตอร์อุณหภูมิ 09:15.690 --> 09:17.210 ฉันขอโทษไปที่ 7 09:17.260 --> 09:21.010 เราจะลองอันอื่น แต่ฉันอยากเริ่มด้วยอันเล็ก ๆ เพราะคุณจะเห็นด้วยอันเล็ก 09:21.010 --> 09:22.470 ๆ 09:22.510 --> 09:34.340 รถของเราจะยังคงทำตัวเหมือนแมลงบางชนิด แต่จากนั้นการเพิ่มพารามิเตอร์อุณหภูมิรหัสของเราจะดูเหมือนรถและตัดสินใจขายการขับขี่จะดีขึ้นมาก 09:34.480 --> 09:40.450 และนั่นก็สมเหตุสมผลเนื่องจากค่าที่สูงกว่าคือพารามิเตอร์อุณหภูมิที่สูงกว่าจะเป็นความน่าจะเป็นของ Juval 09:40.450 --> 09:48.010 ที่ชนะเพราะตัวอย่างเช่นถ้าเรามีค่า q สูงสุด 09:48.190 --> 09:54.850 ลองหาตัวเลขง่ายๆหนึ่งสองสามถ้ายัดได้สูงสุดหนึ่งถึงสามเท่ากับ 09:54.850 --> 10:01.150 ตัวอย่างเช่น 0 04 0. 11 และเปิดแปดสิบห้า 10:01.270 --> 10:05.650 จากนั้นเพิ่มอุณหภูมิโดยการเพิ่มอุณหภูมิ 10:05.680 --> 10:13.360 ตอนนี้อุณหภูมิเท่ากับหนึ่งโดยการใช้อุณหภูมิสูงเช่นตัวอย่างการลบ 10:13.360 --> 10:24.110 Tussaud ลองคัดลอกแล้วคูณด้วยตัวอย่างสองหรือสามถัดไปมีค่าเท่ากัน แต่คูณด้วยพารามิเตอร์อุณหภูมิสาม 10:24.370 --> 10:39.260 ทีนี้เราจะได้อะไรที่เป็นศูนย์สำหรับค่าคิวแรกเพราะนี่มีความน่าจะเป็นที่ต่ำมากที่บางสิ่งรอบศูนย์แล้วบางสิ่งที่เล็กมากสำหรับความน่าจะเป็นที่สองเพราะนี่ยังคงเป็นความน่าจะเป็นต่ำ 10:39.410 --> 10:42.910 สมมุติว่าเป็นตัวอย่างหรือจุด 0 2 10:43.320 --> 10:49.910 แต่ความน่าจะเป็นที่สามนี้เพราะมันเป็นอันที่ใหญ่ที่สุดและอันที่สูงมาก 10:50.140 --> 10:55.180 การเพิ่มอุณหภูมิความน่าจะเป็นนี้จะยิ่งใหญ่ขึ้นเพราะเราจะต้องแน่ใจมากขึ้นว่านี่คือค่า 10:55.180 --> 11:05.630 Q ที่ถูกต้องซึ่งสอดคล้องกับการกระทำที่เราต้องเล่นดังนั้นนี่จึงเป็น 0 11:05.630 --> 11:05.630 2 98. 11:05.980 --> 11:11.800 ทีนี้โดยการเพิ่มพารามิเตอร์อุณหภูมิตอนนี้เรามั่นใจมากขึ้นว่าการกระทำที่สามที่นี่ควรเป็นการกระทำที่จะเล่นเพราะความน่าจะเป็นสำหรับค่า q 11:11.800 --> 11:19.590 ของการกระทำนี้ไม่เพียง แต่ใหญ่ที่สุด แต่ยังสูงมาก 11:19.840 --> 11:22.600 นั่นคือสิ่งที่พารามิเตอร์อุณหภูมินี้เกี่ยวกับ 11:22.660 --> 11:27.340 มันเกี่ยวกับความมั่นใจในทิศทางที่เราควรตัดสินใจเล่น 11:27.340 --> 11:27.610 เอาล่ะ 11:27.610 --> 11:29.450 ดังนั้นฉันจะลบความคิดเห็นนี้ 11:29.470 --> 11:31.000 นี่เป็นเพียงการอธิบาย 11:31.200 --> 11:33.490 และตอนนี้เรามาลงมือทำกันดีกว่า 11:33.490 --> 11:35.370 ดังนั้นคุณจะทำอย่างไร 11:35.560 --> 11:41.440 หลักการของวิธีการต่อไปไม่เพียง แต่จะสร้างการแจกแจงความน่าจะเป็นสำหรับค่าคีย์แต่ละค่า 11:41.440 --> 11:46.390 แต่ยังและนั่นคือขั้นตอนที่สองของวิธีการอ่อนตัวถัดไป 11:46.480 --> 11:51.820 เราใช้การสุ่มจับจากการแจกแจงนี้เพื่อรับการกระทำขั้นสุดท้าย 11:52.010 --> 11:57.310 และแน่นอนว่าเราจะมีโอกาสสูงที่จะได้รับการกระทำที่สอดคล้องกับค่า Q 11:57.310 --> 12:01.660 ที่มีความน่าจะเป็นสูงสุดเพราะนั่นคือวิธีการแจกแจง 12:01.660 --> 12:02.550 ดังนั้นเราไปกันเลย 12:02.560 --> 12:04.040 มาลงมือทำกันดีกว่า 12:04.060 --> 12:11.380 ดังนั้นเราจะแนะนำ Voivode 12:11.380 --> 12:17.460 ใหม่คือเราจะเรียกแอคชั่นและการกระทำนี้จะเป็นการสุ่มเลือกการแจกแจงความน่าจะเป็นที่เราเพิ่งสร้างขึ้นก่อนหน้านี้ 12:17.510 --> 12:20.100 แล้วเราจะได้รับการสุ่มแบบสุ่มได้อย่างไร 12:20.200 --> 12:26.410 ทีนี้เราจะลองใช้ความน่าจะเป็นของแต่ละค่าหลักที่เราใช้ประกอบฉากแล้วโผแล้วเราจะใช้ฟังก์ชั่นหลาย 12:26.650 --> 12:36.030 Gnomeo และนั่นจะให้ผลการสุ่มจากกระบวนการกระจาย 12:36.160 --> 12:38.420 นั่นคือทั้งหมดที่จะได้รับปฏิกิริยาของเขา 12:38.470 --> 12:39.280 สมบูรณ์ 12:39.490 --> 12:42.790 และแน่นอนตอนนี้เรากำลังจะกลับมาดำเนินการ 12:42.790 --> 12:44.730 มีเคล็ดลับเล็กน้อยที่นี่ 12:44.810 --> 12:51.460 อะไรคือความจริงที่ว่า Propst ที่ multinomial คืนค่า PI ไปสู่การใช้งานได้กับป้ายปลอม 12:51.490 --> 12:57.210 คุณรู้ว่าเพชรปลอมนี้และสอดคล้องกับชุดและเพื่อให้ได้ผลลัพธ์ที่ถูกต้องที่เราต้องการนั่นคือการกระทำใน 0 1 หรือ 12:57.220 --> 13:00.540 2 13:00.820 --> 13:08.200 เราต้องเพิ่มข้อมูลที่นี่จากนั้นวงเล็บและการกระทำที่นี่เป็นหนึ่งหรือสองอย่างที่เรากำลังค้นหาคือเนื้อหาและดัชนีคือ 0 และ 13:08.230 --> 13:13.100 0 13:13.570 --> 13:14.000 เอาล่ะ 13:14.000 --> 13:14.730 และเราไปกันแล้ว 13:14.740 --> 13:21.420 ตอนนี้เรามีการกระทำของเราด้วยฟังก์ชั่นการกระทำที่เลือก AI ตอนนี้จะรู้ว่าการกระทำที่จะเล่น 13:21.490 --> 13:22.440 และแต่ละครั้ง 13:22.810 --> 13:23.460 มากมาย 13:23.500 --> 13:27.430 ดังนั้นตอนนี้เราสามารถไปยังฟังก์ชั่นถัดไปซึ่งจะเป็นฟังก์ชั่นเรียนรู้ 13:27.520 --> 13:35.790 และนั่นคือสิ่งที่เราจะฝึกอบรมเครือข่ายประสาททั้งหมดที่คุณรู้จักด้วยการแพร่กระจายไปข้างหน้าทั้งหมดจากนั้นการขยายพันธุ์กลับคือการจัดหมวดหมู่ตามความหมาย 13:35.950 --> 13:43.340 โดยพื้นฐานแล้วเราจะทำการฝึกอบรมรูปแบบการเรียนรู้อย่างลึกซึ้งทั้งหมดซึ่งเป็นหัวใจสำคัญของปัญญาประดิษฐ์ของเรา 13:43.480 --> 13:44.680 ดังนั้นฉันไม่สามารถรอที่จะทำ 13:44.680 --> 13:49.290 นี่จะเป็นการสอนที่น่าตื่นเต้นดังนั้นฉันจะพบคุณใน Statoil ครั้งต่อไป 13:49.510 --> 13:50.670 จนกว่าจะสนุกแล้ว 13:50.720 --> 13:51.000 ผม.