Approssimare la funzione XOR

Guarda su YouTube → 36:36 26 febbraio 2025

Intelligenza ArtificialeC

Descrizione

Ciao! In questo video continuo la serie sul Machine Learning (ML), mostrando come sia possibile approssimare la funzione XOR tramite un modello a tre neuroni e nove parametri. Spero che il video sia utile a tutti coloro interessati a costruire delle solide fondamenta computazionali rispetto al funzionamento delle reti neurali. Per supportare il lavoro svolto dal progetto Esadecimale potete iscrivervi al canale e condividere il video con persone interessate. Di recente ho anche aperto un canale Telegram. Se mi volete porre qualche domanda, fatelo pure lì. Il link per joinare è presente a seguire: - https://t.me/+cdbmjgB3nCEyMzA0 ------------------------- TIMESTAMP 00:00 Introduzione 01:35 Ripasso 04:30 La nuova architettura 12:52 Feed Forward 18:45 Funzione costo 21:00 Apprendiamo la funzione XOR! 27:02 Spiegazione di model_learn() 32:50 Possibili miglioramenti ------------------------- RIFERIMENTI - Material: https://github.com/LeonardoE95/yt-it/tree/main/src/2025-02-26-ml-02-approssimare-la-funzione-xor - Tsoding: https://www.youtube.com/watch?v=PGSba51aRYU ------------------------- CONTATTI - Blog: https://blog.leonardotamiano.xyz/ - Github: https://github.com/LeonardoE95?tab=repositories - Support: https://www.paypal.com/donate/?hosted_button_id=T49GUPRXALYTQ

Commenti 15

I commenti vengono da YouTube e sono aggiornati periodicamente.

@tommasomigliaccio6213 20 giugno 2026

Bravo. Questo è il miglior videocorso sulle reti neurali che io abbia ascoltato e visto finora. Il motivo? Non si limita a concetti teorici, ma si addentra nell'implementazione in codice; inoltre usa il linguaggio C, cosa che preferisco.
@ninomarrazzo6121 26 febbraio 2025 2

Grande, aspettavo il prosieguo. Grazie e complimenti per la qualità dei tuoi contributi!
@mesorotto83 28 giugno 2025

Complimenti spieghi molto bene
@ZioMike97 26 febbraio 2025

Complimenti spieghi molto bene, soprattutto perché in italiano non è facile trovare video del genere. Sarebbe interessante se portassi anche le MLP e l’implementazione della backpropagation ❤
1 risposta
1. @esadecimale Autore 26 febbraio 2025 2
  
  L’idea è quella di aumentare man mano la complessità, riuscendo poi a risolvere problemi più interessanti, quindi si sicuramente
@mesorotto83 9 luglio 2025

Ciao @esadecimale Volevo fare delle osservazioni\avere una tua opinione sull'inizializzazione del modello con valori random. Ho testato 4 differenti inizializzazioni del Model: 1) Come nel primo video sull'AND e OR ho generato un rand e moltiplicato per un valore (ho usato 10.0f). Quindi i pesi andavano da 0.0f a massimo 10.0f. Risultato il modello "non imparava" 2) Inizializzato con la formula "10.0f + rand da 0.0 a 1.0. Quindi tutti i pesi erano nel range da 10.0 a max 11.0. Risultato il modello "non imparava" 3) Inizializzato i pesi da 0.0 a max 1.0. Risultato come il tuo XOR, il modello imparava bene 4) Inizializzato i pesi da -0.5 a max 0.5. Risultato come il tuo XOR, il modello imparava bene Mi chiedo quindi 1) i pesi iniziali devono essere da 0 a max 1? 2) possono essere inizializzati a qualsiasi valore? anche molto diversi da 1? 3) hanno senso dei pesi negativi? Scusa per il lungo messaggio e grazie per i video.
@danielemavilio9054 26 febbraio 2025

Ti prego andiamo avanti fino ai transformers o i lift 😢❤
1 risposta
1. @esadecimale Autore 26 febbraio 2025
  
  è un obiettivo, arrivare a GPT-1
@gennaromigliaccio 13 aprile 2025

Grazie per i tuoi video che trovo sempre molto interessanti, sia sotto l'aspetto tecnico che divulgativo. Voglio segnalarti che il link a github non funziona, probabilmente perchè hai cambiato la politica di accesso. Secondo me il link andrebbe rimosso o almeno aggiungere il motivo per cui non è più funzionante. Ciao.
2 risposte
1. @esadecimale Autore 13 aprile 2025 1
  
  Ciao! In realtà il contenuto rimane disponibile, solo avevo sbagliato la data messa nel link, adesso dovrebbe funzionare di nuovo!
2. @gennaromigliaccio 13 aprile 2025
  
  @esadecimale ora è tutto ok, grazie
@mxpi314 10 settembre 2025

la derivata della sigmoide e' banalemente 1 - sigmoide, se si usava questo approccio invece il limite del rapporto incrementale si poteva fare anche in 1000 epoches
1 risposta
1. @esadecimale Autore 10 settembre 2025 1
  
  La scelta di non utilizzare le derivate è pensata per il contesto didattico, che non vuole ottimizzare tutto e subito proprio per non confondere. Detto questo ottima osservazione, quando continuo la serie farò il passaggio alle derivate e alla backpropagation
@ninomarrazzo6121 27 febbraio 2025 1

Ciao, FYI: attualmente non risulta esserci la cartella ./2025-02-16-ml-02-approssimare-la-funzione-xor sul tuo repo. Grazie ancora 💪
1 risposta
1. @esadecimale Autore 27 febbraio 2025 1
  
  Aggiornato, thanks