Perceptrons: The First Trainable Neural Networks | Teaching Computers to Learn, Part 3

Автор: Spanning Tree

Загружено: 2025-02-10

Просмотров: 33611

Описание:

Neural networks have become powerful tools for teaching computers to learn. But how did we train the first neural networks? In this video, we explore the first neural network that had the capacity to learn: the perceptron, developed by Frank Rosenblatt in 1957. We explore how the perceptron works and how it's able to learn from data, and we look at how Rosenblatt's perceptron compares to modern perceptrons.

This is Part 3 of Teaching Computers to Learn, a series on the development of artificial intelligence. Watch the whole series at • Teaching Computers to Learn, Part 1 .

***

Spanning Tree is an educational video series about computer science and mathematics. See more at https://spanningtree.me

To be notified when a new video is released, sign up for the Spanning Tree mailing list at https://spanningtree.substack.com/

You can support the Spanning Tree channel at https://ko-fi.com/spanningtree

Spanning Tree is created by Brian Yu. https://brianyu.me/

Email me at [email protected] to suggest a future topic.

Perceptrons: The First Trainable Neural Networks | Teaching Computers to Learn, Part 3

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

Teaching Computers to Learn, Part 1

Teaching Computers to Learn, Part 1

Но что такое нейронная сеть? | Глава 1. Глубокое обучение

Но что такое нейронная сеть? | Глава 1. Глубокое обучение

AES: как разработать безопасное шифрование

AES: как разработать безопасное шифрование

Mathematical Origins of Machine Learning | Teaching Computers to Learn, Part 2

Mathematical Origins of Machine Learning | Teaching Computers to Learn, Part 2

Момент, когда мы перестали понимать ИИ [AlexNet]

Момент, когда мы перестали понимать ИИ [AlexNet]

Золотое сечение — Алексей Савватеев / ПостНаука

Золотое сечение — Алексей Савватеев / ПостНаука

Понимание сталей и термообработки

Понимание сталей и термообработки

Самая большая головоломка в информатике: P против NP

Самая большая головоломка в информатике: P против NP

Самый важный алгоритм в машинном обучении

Самый важный алгоритм в машинном обучении

Понимание B-деревьев: структура данных, лежащая в основе современных баз данных

Понимание B-деревьев: структура данных, лежащая в основе современных баз данных

The Dark Matter of AI [Mechanistic Interpretability]

The Dark Matter of AI [Mechanistic Interpretability]

Почему простые числа образуют эти спирали? | Теорема Дирихле и пи-аппроксимации

Почему простые числа образуют эти спирали? | Теорема Дирихле и пи-аппроксимации

Why Deep Learning Works Unreasonably Well [How Models Learn Part 3]

Why Deep Learning Works Unreasonably Well [How Models Learn Part 3]

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

LLM и GPT - как работают большие языковые модели? Визуальное введение в трансформеры

Градиентный спуск, как обучаются нейросети | Глава 2, Глубинное обучение

Градиентный спуск, как обучаются нейросети | Глава 2, Глубинное обучение

Программирование с использованием математики | Лямбда-исчисление

Программирование с использованием математики | Лямбда-исчисление

Обмен ключами Диффи-Хеллмана: как поделиться секретом

Обмен ключами Диффи-Хеллмана: как поделиться секретом

Will AI outsmart human intelligence? - with 'Godfather of AI' Geoffrey Hinton

Will AI outsmart human intelligence? - with 'Godfather of AI' Geoffrey Hinton

Neural Networks, From First Principals, A Single Perceptron.

Neural Networks, From First Principals, A Single Perceptron.

10.2: Neural Networks: Perceptron Part 1 - The Nature of Code

10.2: Neural Networks: Perceptron Part 1 - The Nature of Code