How Neural Networks WorkYouTube↗  IA↗(long shot)
Education  13.6K views 236 likes 9 dislikes   01 Dec 2020
Code.org 471K subscribers United States YouTube↗


Please select the problem
You must specify your email and describe the problem in detail
Describe your problem in detail if it's not obvious

Click to Play Video Click to Play Video
नमस्ते! मैं डायोन हूं। मैं Forethought AI के निर्माताओं में से एक हूं।
Вітаю! Я Діон, один з творців ШІ Forethought. У Forethought ми створюємо
Forethought पर, हम आर्टिफिशियल इंटेलिजेंट टूल बनाते हैं जो लोग काम पर अधिक उत्पादक होने के लिए उपयोग कर सकते हैं।
інструменти для роботи на основі штучного інтелекту для підвищення продуктивності.
सीखने की मशीन बनाने के लिए, प्रारंभिक कंप्यूटर वैज्ञानिकों ने अन्य चीजों का अध्ययन करके सुराग ढूंढे जो सीखने में अच्छे हैं, और यह पता चला है कि मानव मस्तिष्क की तुलना में सीखने में कुछ भी बेहतर नहीं है! हमारा दिमाग न्यूरॉन्स नामक विशेष कोशिकाओं से बना है।
Для створення машини, яка навчається, ранні інформатики шукали підказки, вивчаючи інші речі, які вміють навчатися. Виявилося, що ніщо не здатне вчитися краще за людський мозок! Наші мізки складаються з особливих клітин, які називаються нейронами.
एक न्यूरॉन के दो छोर होते हैं: इनपुट सिग्नल एक छोर पर प्रवेश करता हैं,
Нейрон має два кінці: вхідні сигнали заходять у один,
वे न्यूरॉन के अंदर एक साथ संयुक्त होते हैं, और एक आउटपुट के रूप में दूसरे छोर से निकलते हैं। सभी करोड़ों न्यूरॉन जो आपके दिमाग में है वह आपस में जुड़े हुए हैं, जिसे
об’єднуються один з одним всередині нейрона та виходять з іншого кінця як єдина одиниця.
एक जैविक न्यूरल नेटवर्क कहा जाता है। और इस तरीके से आपका दिमाग जानकारियों को प्रोसेस करता है और पैटर्न को पहचानता है। प्रारंभिक एआई वैज्ञानिकों ने सॉफ्टवेयर में अपने सरल कृत्रिम न्यूरॉन्स बनाकर
біологічну нейронну мережу. Таким чином ваш мозок обробляє інформацію та визначає тенденції.
मानव न्यूरॉन्स की नकल करना चाहा। एकाधिक सिग्नल जो इनपुट के रूप में डाले गए, जिन्हें न्यूरॉन के भीतर से पास किया गया,
у програмному забезпеченні. Нічого премудрого, кілька вхідних сигналів проходять через нейрон,
जो सरल गणित द्वारा संयुक्त और प्रोसेस होकर एक नए सिग्नल के रूप में बाहर निकलता है।
поєднуються, обробляються за допомогою простої формули та виходять як новий сигнал.
यह एक अच्छी शुरुआत थी, लेकिन केवल एक न्यूरॉन ज्यादा कुछ नहीं कर सकता।
Це хороший початок, та один нейрон не досягне великих результатів.
इस आइडिया को पूरी तरह से तब साकार किया जा सकता है
Повний потенціал цієї ідеї можна досягнути, лише якщо штучні нейрони
जब आर्टिफिशियल न्यूरल नेटवर्क बनाने के लिए आर्टिफिशियल न्यूरॉन को एक दूसरे के साथ कनेक्ट किया जाए। इसी की वजह से कंप्यूटर छवियों को पहचानने, कारों को चलाने और कुछ अजीब कलाकारी को बनाने में सक्षम होता है।
об’єднати в нейронну мережу. Саме це дає змогу комп’ютерам розпізнавати зображення, водити машини та творити дуже дивне мистецтво.
यह देखने के लिए कि न्यूरॉन कैसे काम करता है, एक मूवी रिकमेंडेशन सिस्टम को बनाते हैं,
Для розуміння нейронної мережі, створімо систему рекомендацій фільмів, що використовує відгуки критиків,
जो क्रिटिक्स के रिव्यु को उपयोग करके अनुमान लगाता है कि कोई मूवी आपको कितना पसंद आएगा। फिर, हम सिस्टम को बेहतर बनाने के लिए आपके फ़ीडबैक का इस्तेमाल करेंगे!
щоб припустити, наскільки вам сподобається фільм. Тоді використаємо ваш відгук, щоб вдосконалити систему!
यहाँ तीन फ़िल्म समीक्षक हैं: अली, बोई और केसी। सभी एक फिल्म को 1 से 5 सितारों तक रेट करेंगे। अब, एक सिंगल कृत्रिम न्यूरॉन का निर्माण करते हैं।
Маємо трьох критиків кіно: Алі, Боуі та Кейсі. Кожен ставить оцінку за шкалою від одної до п’яти зірок. Тепер побудуймо один штучний нейрон.
प्रत्येक क्रिटिक के रेटिंग को इनपुट के रूप में इस साइड में इनपुट किया जाता है, यहां कुछ कैलकुलेशन की जाती हैं, और हमें एक सिंगल आउटपुट मिलता है। इस मामले में, यह एक मूवी का रेटिंग है।
Оцінки критиків заходять з цього боку, тут здійснюється калькуляція, і ми отримуємо вихідний результат. У цьому випадку це оцінка фільму.
यह रहा पहला मूवी। अली इसे एक सितारा देता है, बोई इसे पांच देता है, और केसी इसे चार सितारा समीक्षा देती है। प्रारंभ में, सभी क्रिटिक्स के राय को समान वजन दिया जाता है, और उन्हें एक समान रूप से गिना जाता है।
Ось перший фільм. Оцінка Алі — одна зірка, Боуі — п’ять, а Кейсі — чотири. Спочатку, усі думки критиків мають однакову вагу і враховуються рівномірно.
इनपुट इंटर किया जाता है, कुछ बुनियादी गणित अप्लाई कि जाति है, और बाहर निकलता है एक रिकमेंडेशन।
Значення заходять, відбувається простий підрахунок і виходить рекомендація.
अभी, चलिए एक मूवी देखते हैं जिससे कि हम अपना खुद का रेटिंग दे सके!
Тепер ми переглянемо фільм та поставимо власну оцінку!
बाप रे। बड़ा अजीब था! मान लेते हैं कि आपको यह बहुत पसंद आया, और आपने इसे पांच सितारा रेटिंग दिया।
Гмм. Це було дивно! Вдамо, що вам дуже сподобалося та оцінимо у п’ять зірок.
अभी जो रेटिंग आपने दिया उसे न्यूरॉन को ट्रेन करने के लिए उपयोग किया जाएगी। आपके रेटिंग के आधार पर, प्रत्येक क्रिटिक के राय को पुनः कैलकुलेट किया जाएगा। आपकी रेटिंग बोई और केसी के करीब है,
Оцінка, яку ви поставили, тепер використається для навчання нейрона. На основі вашої оцінки перераховується вага думки кожного з критиків. Ваша оцінка ближча до оцінки Боуі та Кейсі,
तो उनकी राय को अधिक वजन दिया जाता है। आप अली की एक स्टार वाले समीक्षा से सहमत नहीं है,
отже їх думки мають більшу вагу. Ви не погодилися з відгуком Алі, який залишив одну зірку,
तो उसका वजन कम हो जाता है। अभी दुबारा न्यूरॉन को ट्रेन करते हैं
отже його вага зменшується. Повчімо нейрон знову.
यहां एक और मूवी है, और यह रहे क्रिटिक्स के नए रेटिंग।
Ось інший фільм та оцінки наших критиків. Цього разу
और इस बार, न्यूरॉन रिकमेंडेशन को कैलकुलेट करते समय इन दो रेटिंग्स को अधिक वजन देगा।
при визначенні рекомендацій нейрон надасть більшого значення цим двом оцінкам.
और यह रहा आउटपुट! चलिए अब इसे देखते हैं।
А ось і результат! Перегляньмо його.
खैर, कम से कम वह छोटा था! चलिए इसे रेटिंग देते हैं।
Принаймні, він був коротким! А тепер оцінимо його.
हमारा नया रेटिंग दोबारा वजन को एडजस्ट करता है। यह प्रक्रिया बार बार रिपीट होती है,
Наша нова оцінка знову змінює вагу. Процес повторюється знову і знову, поки
जब तक कि हम एक सिस्टम को हमारे प्राथमिकताओं को जानने के लिए ट्रेन नहीं करते, और ऐसी मूवीस की रिकमेंडेशन दे जो हमे पसंद आए।
не навчимо систему розуміти наші вподобання та рекомендувати фільми, які нам сподобаються.
इस उदाहरण में, केवल एक न्यूरॉन है। यह अधिकांश प्रणालियों की तुलना में कहीं अधिक सरल है।
У цьому прикладі використовувався лише один нейрон. Це набагато простіше за більшість систем.
शक्तिशाली न्यूरल नेटवर्क में लाखों न्यूरॉन परतों में व्यवस्थित होते हैं।
Потужні нейронні мережі мають мільйони нейронів, розташованих пошарово.
इनपुट परतें हैं, कोई भी संख्यांक छिपी हुई परतें हैं, और आउटपुट परतें हैं।
Є вхідні шари, будь-яка кількість прихованих шарів та вихідні шари.
न्यूरॉन्स की एक परत का आउटपुट, अगली परत के लिए इनपुट बन जाता है, और इसी तरह यह चलता जाता है।
Вихідний сигнал одного шару нейронів стає вхідним сигналом наступного шару і так далі.
कई असल दुनिया के मीडिया, संगीत और खरीदारी रिकमेंडेशन सिस्टम इस तरह काम करते हैं, जहां दैनिक लाखों यूजरों के रेटिंग को उपयोग किया जाता है।
Багато систем реального світу, що надають рекомендації музики чи для шопінгу, працюють таким чином,
उन न्यूरल नेटवर्क में, वजन को संशोधित करने में सभी का हाथ होता है।
у нейронних мережах. Кожен приймає участь у зміні значень.
न्यूरल नेटवर्क के कई अन्य उपयोग हैं। वे बड़ी समस्याओं पर पर्दे के पीछे काम कर रहे हैं, जैसे कि स्वस्थ भोजन को उगाने में, बाढ़ और जंगल की आग का पूर्व अनुमान करने में,
Нейронні мережі мають багато інших користувачів. За лаштунками вони працюють над розв’язанням великих проблем, як-от вирощування здоровішої їжі, передбачення повеней та лісових пожеж,
वन्य जीव संरक्षण में और यहां तक की बीमारियों का निदान और चिकित्सा में सहायता करने में।
збереження дикої природи та навіть діагностування та лікування захворювань.
Similar videos:

CS for Good - Change the World
Code.org
42.6K views 200 likes 10 dislikes 09 Dec 2019100% match

Minecraft: Voyage Aquatic Introduction
Code.org
29K views 118 likes 28 dislikes 12 Nov 2018100% match






Course 4: Intro to For Loops
Code.org
35.6K views 17 likes 1 dislikes 18 Nov 2015100% match

Minecraft Hour of Code - Congratulations!
Code.org
38.5K views 344 likes 28 dislikes 27 Nov 2017100% match

Debugging with the Step Button (Course A-B)
Code.org
244.7K views 45 likes 11 dislikes 20 Apr 2017100% match



Game Lab: Sprites
Code.org
42.3K views 35 likes 6 dislikes 02 Aug 2018100% match

Dance Party - Warm Up
Code.org
36.6K views 152 likes 23 dislikes 14 Nov 2018100% match






Using the Repeat Block (Course A-B)
Code.org
347.2K views 42 likes 6 dislikes 11 May 2017100% match


Stevie and the Big Project
Code.org
375K views 121 likes 27 dislikes 17 Mar 2017100% match


What is the Internet?
Code.org
1.8M views 14.1K likes 656 dislikes 27 Jun 2016100% match






Web Development: Intro to CSS
Code.org
49.7K views 109 likes 8 dislikes 21 Mar 2017100% match

App Lab - Share Your App
Code.org
54.2K views 31 likes 2 dislikes 27 Nov 2017100% match

App Lab - Make It Interactive
Code.org
92.2K views 27 likes 4 dislikes 27 Nov 2017100% match

Minecraft Hour of Code: Introduction
Code.org
36.9K views 188 likes 19 dislikes 15 Nov 2016100% match




CS Principles: Intro to Variables - Part 1
Code.org
48.3K views 153 likes 13 dislikes 18 Nov 2015100% match

What is Computer Science Discoveries?
Code.org
10.6K views 72 likes 1 dislikes 22 Feb 2017100% match

CS Principles: Using Loops
Code.org
44.9K views 92 likes 9 dislikes 18 Nov 2015100% match

Programming with Rey and BB-8 (Course A-B)
Code.org
15.9K views 12 likes 4 dislikes 04 Apr 2018100% match

Minecraft Hour of Code - Functions
Code.org
23.9K views 115 likes 13 dislikes 27 Nov 2017100% match

Computer Science Matters
Code.org
129.2K views 169 likes 4 dislikes 08 Nov 2015100% match







The Harvester (Course A-B)
Code.org
12.9K views 18 likes 2 dislikes 04 Apr 2018100% match

CS Principles: Conditionals - Part 3 "And & Or" Operators
Code.org
22.5K views 47 likes 12 dislikes 03 Dec 2015100% match

Text compression widget with Aloe Blacc
Code.org
110.2K views 0 likes 0 dislikes 09 Sep 2015100% match

How Computers Work: What Makes a Computer, a Computer?
Code.org
825.6K views 6.4K likes 438 dislikes 30 Jan 2018100% match






For Loops and Repeat Blocks
Code.org
49.9K views 5 likes 10 dislikes 02 Oct 2015100% match

CS Principles: Introduction to Lists - Part 1 Intro
Code.org
18.1K views 18 likes 9 dislikes 21 Jan 2016100% match

Coding with Stephen Curry
Code.org
155.1K views 449 likes 32 dislikes 03 Dec 2017100% match

Introducing How Computers Work
Code.org
768.6K views 6.8K likes 290 dislikes 30 Jan 2018100% match







The Collector (Course A-B)
Code.org
459.6K views 42 likes 7 dislikes 21 Apr 2017100% match


CS Principles: Introduction to Lists - Part 3 Assigning and Updating
Code.org
18K views 9 likes 2 dislikes 21 Jan 2016100% match


Settings Privacy About Contact Donate