你真的了解神经元吗？🤔硬核科普神经元的三种数学视角 |《Yes, but why?》第2期
合集 · Yes, but why? (2)
Description
【新的特性】 本期视频使用Manim制作数学动画，并支持了字幕中显示Katex语法。 【视频总结】 本期视频介绍了神经网络的基本组成单元——神经元的结构。第一节从生物神经元的基本结构出发，得到了简化后的神经元模型，并利用数学符号表达了整个神经元计算的过程。第二节从几何角度与线性代数角度，识别了加权求和的本质是两个向量的数量积，并利用投影长度与两个向量之间的夹角关系，解释了权重向量如何用于分辨输入向量的相似性。第三节介绍了概率论视角下神经元的作用，在假设权重向量服从概率公理的条件下，权重向量本身可以视为一种分布，而某个随机变量（不是一个随即变量，而是一类随机变量）则恰好为输入向量在各个权重上的取值，这是一种数学形式上的相似性。第四节通过引入物理学中的v-t图像，引发微元法的思考，权重函数与输入函数的相似性在信号处理中是十分普遍的思想。总结一下，本期视频先介绍了神经元的基本结构：输入、汇总、判断、输出，然后从线性代数与几何、概率论视角、微积分与信号处理视角详细解释了加权求和的意义——即向量的接近、分布的均值、信号波形的相似。
Comments
我去，以前没想过，原来实际上在求两者的相似程度……说起来内积那块，严谨来说，x向量是不是应该加一个转置符号才对啊
♥ 44 ↩ 4
看到一半怎麼發現背景音樂是我的改編hhhh.....
♥ 31
小赤我来了[超辉夜姬表情包_魅惑]
♥ 9 ↩ 1
说了半天，生物神经元的脉冲到底有什么意义[doge]
♥ 7 ↩ 8
特来学习（）
♥ 7 ↩ 1
严肃推给周围的弱ai背景的朋友力！我宣布我是赤赤的知识rbq！
♥ 7 ↩ 1
非常好视频，什么时候科普一下为何理工科木柜子浓度如此之高[少女乐团派对_哇哦]
♥ 6 ↩ 3
开饭
♥ 6 ↩ 1
@MilkyAi 总结并私信给我
♥ 5 ↩ 2
[Neuro sama动态表情包_蜂群集合][Neuro sama动态表情包_蜂群集合][Neuro sama动态表情包_蜂群集合]
♥ 5 ↩ 1
[Ave Mujica_我有话说]Heil，赤赤！这段时间在和朋友做一些资料分享，我都把你的视频安利给他们，因为这样的方式听着舒服也能听懂，再接再厉[打call]
♥ 5 ↩ 1
学长听不懂思密达[打call]
♥ 5 ↩ 1
[星空列车与白的旅行表情包_给心心]
♥ 4 ↩ 1
333
♥ 4 ↩ 2
[毛玉牛乳表情包_kksk]
♥ 4 ↩ 1
既然这些构成ai底层架构的理论早已经成熟，那为什么之前没有人研究出来过呢，是因为算力或者技术不够还是只是单纯没人想到，很好奇喵。[少女乐团派对_哇哦]
♥ 4 ↩ 10
既然你把这种高端知识以通俗易懂的方式讲给我听，那我就把我这珍藏已久的两个圆圆的东西赠送给你吧（感谢up的高质量分享[给心心]）
♥ 4 ↩ 1
首页推荐看到了[星星眼]
♥ 4 ↩ 1
我喜欢你[鹿乃桜帆_爱了][星空列车与白的旅行表情包_给心心][Neuro sama收藏集_比心][超辉夜姬表情包_wink][亚托莉我挚爱的时光_suki][Alice In Cradle 格拉提亚 表情包_wink][蔚蓝档案表情包_抱抱] 简单来说其实是首先我们假设一切都可以用“函数”来表达，然后我们再来想想怎么去猜这个函数[doge]
♥ 5
@MilkyAi 总结视频私信发我邮箱
♥ 3