Diskussion zum Artikel "Neuronale Netzwerke: Von der Theorie zur Praxis"
im Prinzip ist der Artikel nicht schlecht, alles ist klar, übersichtlich, sozusagen im Regal ..... sagen wir mal, es gibt einen Platz zum Anfangen, nicht um andere Foren zu durchsuchen, aber es ist notwendig, weiterzumachen, Teil 2,3.....
Sie brauchen ein Beispiel für die Arbeit mit mehrschichtigen NS, denn die Bilder zeigen mehrschichtige NS, aber das Beispiel ist nur für ein Netz mit einem Neuron - entweder den Artikel umbenennen oder Teil 2 schreiben.
Viel Glück!
- www.mql5.com
der Artikel ist gut, Einführungen sind aufgedeckt. aber ich habe nicht ganz verstanden - wie die "Ausbildung" von Neuronen stattfindet, und wie oft ist es nano.
der Artikel ist gut, die Einführungen sind abgedeckt. aber ich habe nicht ganz verstanden, wie Neuronen "trainiert" werden und wie oft das gemacht wird.
- www.mql5.com
- www.mql5.com
Ich werde Sie wiederum unterstützen!!! und wir werden einen nach dem anderen veröffentlichen )))))).
Ich habe mich lange Zeit mit neuronalen Netzen beschäftigt - ich konnte nicht verstehen, wie sie funktionieren, ich habe den mathematischen Apparat verstanden, es gibt viele Beispiele, aber ich konnte lange Zeit nicht verstehen, warum es notwendig ist, sie zu trainieren und was es bringt, weil es im Internet nur Beispiele für das Training für eine bestimmte Aufgabe (Mustererkennung, Handel) gab, und ich habe keine elementaren (primitiven, alltäglichen) Beispiele kennengelernt, bis ich in einem Forum ein Beispiel für das Training von sin(x)...... gefunden habe.
Dann schrieb ich für mich ein Skript, das das NS-Multiplikationstableau online lehrte und die Ergebnisse mit Comment() auf den Bildschirm brachte, und .... oh Wunder... Ich hatte Tränen in den Augen vor Glück, ich sah, wie NS lernt, wirklich lernt, keine trockenen Formeln, um das gewünschte Ergebnis zu erhalten. Es wäre schön, ein Beispiel im Artikel als Beispiel zu zeigen 2x2=4,1 2x3=5,9 ..... 9x9= 80,2 , aber 11x2 = 10,3 weil das Einmaleins für 11 NS nicht gelernt hat, hier ist howtoktotak ))))))
ZY: über mich: ich habe gelernt, studiert, gedient, gearbeitet, geheiratet, lebe glücklich und bin am selben Tag gestorben und ich werde noch nicht sterben - es gibt noch unerledigte Dinge !!!!
Guter Artikel für Einsteiger, würde auch gerne eine Fortsetzung lesen.
Dann habe ich für mich ein Skript geschrieben, das das NS-Multiplikationstableau online lehrt und die Ergebnisse mit Comment() auf den Bildschirm ausgibt, und ... oh Wunder ... Ich hatte Tränen in den Augen vor Glück, ich sah, wie NS lernt, wirklich lernt, keine trockenen Formeln, um das gewünschte Ergebnis zu erhalten. Es wäre schön, ein Beispiel im Artikel als Beispiel zu zeigen 2x2=4,1 2x3=5,9 ..... ..... 10x10= 10,2 , aber 11x2 = 10,3, da die Multiplikationstabelle für 11 NS nicht gelernt hat, wotkaktotak ))))))
Das ist eine gute Art, die Frage zu stellen.
Obwohl das Einmaleins wenig mit dem Handel zu tun hat, frage ich mich dennoch, ob das Netzwerk in der Lage war, das Einmaleins zu lehren?
Vielleicht wird durch die Beantwortung der Frage, warum das Netzwerk das Einmaleins nicht lernen kann, ein Verständnis dafür geschaffen, wie man dem Netzwerk den Handel beibringen kann.
Eine gute Frage.
Obwohl das Einmaleins wenig mit dem Handel zu tun hat, frage ich mich dennoch, ob es möglich war, dem Netz das Einmaleins beizubringen?
2) Vielleicht lässt sich die Frage beantworten, warum das Netz das Einmaleins nicht lernen kann?
3. wird man verstehen, wie man dem Netz den Handel beibringen kann.
1.ja, NS hat das Einmaleins von 1x1 bis einschließlich 9x9 gelernt, das Video scheint die Ergebnisse bis zur zweiten Dezimalstelle zu zeigen.
2. das Netzwerk hat die Multiplikationstabelle nicht über 9x9 hinaus gelernt, was nicht verwunderlich ist - niemand hat es ihm beigebracht, alle Zufälle mit den richtigen Ergebnissen sind zufällig.
3. es gibt ein Verständnis, aber es gab Hoffnung für die Entwickler von "New Neural" - Open-Source-Projekt von neuronalen Netzwerk-Engine für MetaTrader 5-Plattform, aber wie sie sagen, "und es ist immer noch nichts" (Krylov). Es ist eine arbeitsintensive Aufgabe, ein Projekt für ein mehrschichtiges NS zu entwickeln - es ist einfacher, eine .dll hinzuzufügen, obwohl es wahrscheinlich auf reinem mql5 einen Verlust an Trainingsgeschwindigkeit im Vergleich zu fertigen Implementierungen von NS-Paketen/.dll geben wird.
SZY: Sie können im Thema mit MT5 Wünsche für eine eingebaute Implementierung von Multilayer-NS fragen, aber wie es mit Entwicklern geschieht - sie werden nein antworten, es ist nicht vorgesehen, und in sechs Monaten werden sie ein solches Update ankündigen, zweimal habe ich es schon "bekommen": Ich wünschte mir Operator-Überladung und eine Leinwand zum Zeichnen auf dem Chart :)
ZYZY: für meine Experimente mit NS ist ein solcher Import ausreichend:
#import "fannmql.dll" void fannmql_build(string NN_config); // erstellt ein neuronales FANN-Netz, Eigenschaften der Neuronenschichten in NN_config // Sie können Begrenzungszeichen verwenden: ', . ; -' oder Leerzeichen void fannmql_unbuild(); // löscht das neuronale Netz FANN double fannmql_train(double &input[],double &output[]); // Training des neuronalen Netzes FANN, Rückgabe des RMS-Werts void fannmql_run (double &input[],double &output[]); // FANN des neuronalen Netzes berechnen void fannmql_savetofile (string File_name); // Speichern von FANN des neuronalen Netzes in einer Datei void fannmql_loadfromfile(string File_name); // Laden der FANN des neuronalen Netzes aus der Datei #import string s = "8-10-10-2"; // NS mit 8 Eingängen, 2 verborgenen Schichten mit je 10 Neuronen und 2 Ausgängen double inp[8],out[2]; //________________________________________________ int init(){ fannmql_build(s); ..............aber anscheinend ist es ein großes und schwer zu realisierendes Problem, solche Funktionen in die MT5 Standardfunktionen einzubauen ;)))))
Wenn man die Frage beantwortet, warum das Netz das Einmaleins nicht lernen kann, kann man vielleicht verstehen, wie man dem Netz den Handel beibringen kann.
Das Interessanteste ist, dass man dem Netz das Einmaleins (im weitesten Sinne) nicht beibringen kann. Das heißt, natürlich kann man ihm die Multiplikation von 1*1 bis 9*9 beibringen, und dann ... Repins Gemälde - "Fig you".
Aber das Gehirn führt diese Schritte ohne Schwierigkeiten aus, warum ist das so? - Hier liegt der Schatz der Weisheit, hier muss man graben, aber es ist nicht so einfach, wie es scheinen mag - es grenzt an den Bereich der künstlichen Intelligenz, und das ist eine ganz andere Geschichte....
Das Interessanteste ist, dass man dem Netz nicht das Einmaleins (im weitesten Sinne) beibringen kann. Das heißt, man kann natürlich die Multiplikation von 1*1 bis 9*9 lehren, und dann... Repins Gemälde - "Fig you".
Aber das Gehirn führt diese Schritte ohne Schwierigkeiten aus, warum ist das so? - Das ist die Fundgrube der Weisheit, hier müssen wir graben, aber es ist nicht so einfach, wie es scheinen mag - es grenzt an den Bereich der künstlichen Intelligenz, und das ist eine andere Geschichte....
Ich bin mit figwam nicht einverstanden.
Ist das neuronale Netzwerk nicht aus dem Bereich der künstlichen Intelligenz?
Wenn Sie dieses Thema weiterverfolgen möchten, schlage ich vor, hier "New Neural" zu besuchen - Open-Source-Projekt einer neuronalen Netzwerk-Engine für die MetaTrader 5-Plattform.
Oder über eine private Nachricht, ich denke, es wird hier überflüssig sein.
Das Interessanteste ist, dass man dem Netz nicht das Einmaleins (im weitesten Sinne) beibringen kann. Das heißt, man kann natürlich die Multiplikation von 1*1 bis 9*9 lehren, und dann... Repins Gemälde - "Fig you".
Aber das Gehirn führt diese Schritte ohne Schwierigkeiten aus, warum ist das so? - Hier liegt der Schatz der Weisheit, hier müssen wir graben, aber es ist nicht so einfach, wie es scheinen mag - es grenzt an den Bereich der künstlichen Intelligenz, und das ist eine andere Geschichte....
Jura Reschetow schrieb sogar, dass es möglich ist, dem NS das Einmaleins beizubringen, bei dem 2*2 = 5 ist, und alle anderen Varianten werden arithmetisch korrekt sein. Das ist übrigens die Essenz der Anpassung. Und auf die Frage, warum das NS anfängt zu lügen, wenn man ihm 1-9 beibringt und es mit 10-20 füttert, gibt es auch eine Antwort. Der Punkt ist, dass das Netz nur dann korrekt arbeiten kann, wenn die Daten außerhalb der Stichprobe im gleichen Intervall liegen wie die der Trainingsmenge. Grob gesagt, werden unsere Eingaben im Bereich [1;9] liegen. Die NS-Daten liegen dann in einem anderen Bereich, was dazu führt, dass die Eingabedaten nicht stationär sind, und die Nicht-Stationarität führt zu falschen Antworten. Versuchen Sie, das Netz auf Stichproben im Bereich [1;20] zu trainieren, und geben Sie ihm dann andere Stichproben im gleichen Bereich, und, oh Wunder, es wird wirklich funktionieren. Sie können es testen.
Hier habe ich es getestet. Funktioniert großartig aus der Probe heraus)
NS wurde die Multiplikationstabelle 1-20 beigebracht. Das Training und die Beendigung des Trainings wurde mit zufällig ausgewählten Beispielen (1/3 und 1/3 der Stichprobengröße) durchgeführt. Validierung - das verbleibende 1/3 des Stichprobenumfangs, aber vor allem aus demselben Bereich. Die Ergebnisse der Validierung sind genauso gut wie die der Trainingsbeispiele. Der Fehler liegt innerhalb von +-0,1.
Der Punkt ist, dass NS, wie Sie wissen, eine beliebige Funktion lernt und dies erfolgreich tut, die Hauptsache ist, dass der Bereich der Daten außerhalb der Stichprobe innerhalb des Trainingsbereichs liegt.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Neuronale Netzwerke: Von der Theorie zur Praxis :
Heutzutage hat sicherlich jeder Trader schon einmal etwas von einem neuronalen Netzwerk gehört - und weiß, wie cool es ist, diese zu benutzen. Die Mehrheit scheint zu glauben, dass es sich bei all jenen, die mit neuronalen Netzwerken operieren, um irgendwelche Übermenschen handeln würde. Mithilfe des vorliegenden Artikels verbinde ich die Absicht, Ihnen die Architektur eines neuronalen Netzwerks samt seiner Applikationen und praktischen Nutzanwendungen näherzubringen.
Neuronale Netzwerke weisen eine ganze Reihe an Eigenschaften auf, von denen die wichtigste die ist, dass es lernfähig ist. Der Lernprozess basiert letztendlich darauf, die Gewichte zu verändern
.
Der Net Input wird dann durch die Aktivierungsfunktion - auf die ich später noch genauer eingehen werde - in den Output transformiert. Zusammengefasst ist ein neuronales Netzwerk also eine Art von Blackbox, die Signale als Inputs erhält und Resultate ausgibt.
Abb. 2. Das Modell eines mehrschichtigen neuronalen Netzwerks
Autor: Dmitriy Parfenovich