но можно не ждать роликов, а идти по этому тексту, я на его базе рассказываю https://drive.google.com/file/d/1AdF9qIiv7tm05tVxiGeW27yhfgCQ_Dwa/view?usp=sharing, он скоро сильно обновится и там много тем, которые я в роликах, вышедших ранее, не успел затронуть

Спасибо ❤️

@VladimirKomissarov88 давай ещё разок, у нас бот злой :)

Новичкам режет ссылки и картинки

да уж понял))

In a nutshell: господа, всех приветствую. Увидел, что по шапке тут не бьют за нубские вопросы, и решил задать свой.

Понятно, что существует множество архитектур сетей под разные задачи или формат данных.
Но вот что непонятно: а существует ли множество различных моделей самих нейронов? Или это всегда сумма произведений и последующий прогон через нелинейную функцию активации?

p.s. сам я инженер, ИИ - хобби, потому извиняюсь, если глупость спросил :)

Вопрос вот откуда: задумался над вопросом "а можно ли дешево смоделировать нейрон посредством электроники, а потом распалаллелить?", и наткнулся на ребят из калифорнии

http://web.csulb.edu/~wmartinz/rssc/content/beam-robotics.html

Если я правильно понимаю, такие нейроны могут использоваться только в Spiking сетях, а значит они не могут быть универсальной моделью для построения сетей различных архитектур.

Ну нейрон это простая линия.

Можно разве что подумать насчёт функций активации🙄

Ну почему, а как же сверточные нейронные сети и рекурентные, в них есть свои особенности.

В рекуррентных не нейрон, а архитектура такая. Сам нейрон (до активации) такой же как всегда

А сверточные?

А вот насчёт фильтров я так не выкручусь 😃

В рекуррентной, насколько я понял, для нейрона может существовать обратная связь со своей АЧХ и ФЧХ (регулировка амплитуды воздействия или же задержки).
Со сверточными совсем беда, их плохо понимаю и оставил напоследок.

Но, грубо говоря, если смоделировать отдельный базовый нейрон (сумма произведений + нелинейная функция активации), то на базе такой упрощенной модели можно составить сеть в общем-то любого масштаба и почти любой архитектуры (за исключением сверточной). Верен ли этот тезис?

А под какую задачу?

В теории можна, а на практике возможно будет реализовать какие-то вещи не тривиально.

Вот в том и дело, что под максимально универсальный спектр.

Обучать или использовать? Звук или изображение, сенсоры?

а, и то и другое.
или же обучение можно на облаке прогнать, но потом таблицу загнать, грубо говоря, в железо, дабы отрабатывало быстро.

Или наоборот: за счет возможности распараллеливания можно ускорить обучение, добавив методики из генетических алгоритмов.

Это вообще makes sense, или больше как дичь звучит?

Обучать кстати на целочисленной арифметике не выйдет