Спасибо большое Вам! Многого научился у Вас, вы мой стартовый наставник. Ваши труды многим помогают разобраться с нейросетю и развиваться в этой области! Вы замечательный человек!
Подскажите, какая сеть наиболее подходит для предсказания временных рядов? Видел дипломную работу, ряд преобразуется в 2д и загоняется в 2д сверточную сеть. Но там только теория без конкретных структур и размеров. И ещё как-то делают смешанные сети, но как это делать в керасе?
Зависит от конкретной задачи и временного ряда. Я бы начал с простого бейзлайна типа предсказание среднего из последних N значений, возможно, ARIMA. И дальше попробовал бы LSTM, GRU и одномерные сверточные сети. Смешанные сети в Keras можно делать, используя сверточные и рекуррентные слои (keras.io/examples/imdb_cnn_lstm/) или комбинированные слои типа ConvLSTM2D.
А если у меня задача, аналогичная этой: stackoverflow.com/questions/51344610/how-to-setup-1d-convolution-and-lstm-in-keras с несколькими каналами? Как лучше сеть организовать? Наверно Conv2D сначало нужно использовать, а потом уже LSTM слой? Но пока сеть с несколькими Conv1D дает лучший результат((
Как же долго вас не было на ютубе - рад вас видеть, Андрей, здравствуйте. Мб своевременные донаты простимулируют вас на подготовку новых материалов и почаще? ;)
Андрей, спасибо большое за понятное объяснение. Хотелось узнать, какой подход в рамках реккурентных сетей стоит применять к классификации очень похожих текстов? Есть ли к-н практики и осветите ли Вы данных момент в к-н своем ролике в будущем?
Будет. Сейчас готовим полностью обновленную версию курса, предназначенную для программистов.Там будет другой подход к объяснению, начиная с прикладного уровня вниз по модели OSI.
Интересует сеть со смешанными входными данными (например изображение и цифровые данные), то есть сети с несколькими входами. В KERAS -е есть функциональный API, но примеров решение задач почти нет (только у одного автора нашел, но почему то не получается воспроизвести его задачу): www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/
Вы говорите, что нужно создать столько копий рекурентной нейронной сети развернутой во времени, сколько элементов входных данных в последовательности, но далее передаете параметр 8, хотя данных больше. Правильно ли я понимаю, что сеть автоматически создает эти копии для каждого элемента, а передаваемый параметр 8 является количеством итераций? То есть сигнал 8 раз пройдет по множеству копий рекурентного слоя прежде чем наконец-то попадет на полносвязный слой?
Андрей здравствуйте! Можно ли вас попросить записать такой вебинар или стрим провести на тему создание нейронной сети с самого начала и до запуска. Что бы был живой пример и коментраии от професионала, тоесть от вас. Спасибо. Если было уже такое то дайте ссылку)
Hi could you provide a transcript of yours (email), which could be translated to English please, demos certainly provides a picture how you arrived at your code block, transcript will certainly help what your stating in you're demos. Thank you
Спасибо большое Вам! Многого научился у Вас, вы мой стартовый наставник. Ваши труды многим помогают разобраться с нейросетю и развиваться в этой области! Вы замечательный человек!
Спасибо за приятный отзыв! Успехов!
Спасибо вам большое. У вас талант преподносить материал просто и понятно.
Давно не увлекаюсь уже, другая работа, но смотрю. Спасибо Андрей, что не оставил просвещать.
Пожалуйста!
Очень интересно. Спасибо за видео!!!!
Пожалуйста!
протяжное "до свидаания" в конце топ вообще)
;-)
Вижу видео, ставлю лайк)
Спасибо!
@@AndreySozykin Планируете ли вы видео по технологиям gpon gepon?
К сожалению, в этих технологиях не разбираюсь, поэтому вряд ли смогу сделать хорошие видео.
Спасибо! Очень познавательно
просто и доступно, спасибо!
Пасибо. Ждем-с
Пожалуйста!
Подскажите, какая сеть наиболее подходит для предсказания временных рядов? Видел дипломную работу, ряд преобразуется в 2д и загоняется в 2д сверточную сеть. Но там только теория без конкретных структур и размеров. И ещё как-то делают смешанные сети, но как это делать в керасе?
Зависит от конкретной задачи и временного ряда. Я бы начал с простого бейзлайна типа предсказание среднего из последних N значений, возможно, ARIMA. И дальше попробовал бы LSTM, GRU и одномерные сверточные сети.
Смешанные сети в Keras можно делать, используя сверточные и рекуррентные слои (keras.io/examples/imdb_cnn_lstm/) или комбинированные слои типа ConvLSTM2D.
А если у меня задача, аналогичная этой: stackoverflow.com/questions/51344610/how-to-setup-1d-convolution-and-lstm-in-keras с несколькими каналами?
Как лучше сеть организовать? Наверно Conv2D сначало нужно использовать, а потом уже LSTM слой? Но пока сеть с несколькими Conv1D дает лучший результат((
Как же долго вас не было на ютубе - рад вас видеть, Андрей, здравствуйте. Мб своевременные донаты простимулируют вас на подготовку новых материалов и почаще? ;)
Была большая загрузка на работе. Сейчас планирую вновь войти в ритм и выпускать по видео в неделю.
Андрей, спасибо большое за понятное объяснение. Хотелось узнать, какой подход в рамках реккурентных сетей стоит применять к классификации очень похожих текстов? Есть ли к-н практики и осветите ли Вы данных момент в к-н своем ролике в будущем?
Да, в следующих видео будут конкретные примеры использования как рекуррентных, так и других типов сетей для классификации текстов.
Андрей, а рассмотрение структур SAT-солверов в тематику вашего канала не вписывается?
Нет, к сожалению. Я сам не разбираюсь в SAT-солверах, поэтому вряд ли смогу хорошее видео сделать.
Андрей, подскажите пожалуйста, а по обычным сетям больше ничего не будет?
Будет. Сейчас готовим полностью обновленную версию курса, предназначенную для программистов.Там будет другой подход к объяснению, начиная с прикладного уровня вниз по модели OSI.
@@AndreySozykin а старые видео удалите?
Думаю, нет. Для новых создам отдельный плей-лист.
@@AndreySozykin не удаляйте, все же труды вложены и материал полезный еще
@@AndreySozykin Када?
Интересует сеть со смешанными входными данными (например изображение и цифровые данные), то есть сети с несколькими входами. В KERAS -е есть функциональный API, но примеров решение задач почти нет (только у одного автора нашел, но почему то не получается воспроизвести его задачу): www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/
Вот пример создания сети с двумя входами и объединением данных через functional API в Keras - link.medium.com/wyNAGR7J50
@@AndreySozykin Огромное спасибо, Андрей Владимирович!
Вы говорите, что нужно создать столько копий рекурентной нейронной сети развернутой во времени, сколько элементов входных данных в последовательности, но далее передаете параметр 8, хотя данных больше. Правильно ли я понимаю, что сеть автоматически создает эти копии для каждого элемента, а передаваемый параметр 8 является количеством итераций? То есть сигнал 8 раз пройдет по множеству копий рекурентного слоя прежде чем наконец-то попадет на полносвязный слой?
смукаааа
Мне кажется тот параметр "8" означает количество нейронов в этом рекурентном слое
Андрей здравствуйте!
Можно ли вас попросить записать такой вебинар или стрим провести на тему создание нейронной сети с самого начала и до запуска. Что бы был живой пример и коментраии от професионала, тоесть от вас. Спасибо. Если было уже такое то дайте ссылку)
Имеется в виду самостоятельно все с нуля разработать? Или с помощью готовых библиотек?
@@AndreySozykin Андрей спасибо вам за ответ!
С помощью готовых библиотек. С нуля это будет слишком)
@@avdeevgr А я вот сам всë разрабатываю) (И самое сложное это не реализация, а поиск точной информации)
Hi could you provide a transcript of yours (email), which could be translated to English please, demos certainly provides a picture how you arrived at your code block, transcript will certainly help what your stating in you're demos. Thank you
Слишком поверхностное изложение материала. По сути ни о чем.