Discusión sobre el artículo "Redes neuronales: De la teoría a la práctica" - página 2

[Andrey Dik]

alexeymosc:

La cuestión es que NS aprende cualquier función, como sabes, y lo hace con éxito, lo principal es que el rango de datos fuera de la muestra debe estar dentro del rango de entrenamiento.

En realidad, eso es exactamente de lo que estaba hablando. Cualquier cosa fuera del rango y las respuestas serán erróneas. Por eso digo que la tabla de multiplicar 1-9 se puede enseñar, pero la multiplicación en general de números en la recta numérica entera - no, es algo de la categoría de una hazaña - "cocinar deliciosos huevos".

[Alexey Burnakov]

joo:
En realidad, eso es exactamente lo que estaba diciendo. Si te sales del intervalo, las respuestas serán erróneas. Por eso digo que la tabla de multiplicar 1-9 se puede enseñar, pero la multiplicación en general de números en la recta numérica entera - no, es algo de la categoría de una hazaña - "cocinar deliciosos huevos".

Sí, por desgracia, la generación moderna de NS no puede trabajar con entradas en un rango diferente al de enseñanza. Tal vez haya arquitecturas personalizadas que puedan hacerlo, pero un perceptrón multicapa con una función no lineal definitivamente no puede.

Especialmente para ti :)

En este caso, los datos de la muestra de validación tenían tanto entradas como salidas fuera del rango en el que se entrenó el NS. Y los datos de la muestra de prueba también están fuera del rango de la muestra de entrenamiento. La validación comienza con el caso 201. Se puede ver cómo el error empieza a crecer exponencialmente. Y el error cuadrático medio de las muestras está resaltado en amarillo en la parte superior. Se puede ver todo a simple vista.

[Igor Makanu]

Tal vez deberíamos poner la discusión sobre NS en un solo tema... aquí hay un tema sin importancia, pero el título corresponde a https://www.mql5.com/ru/forum/8158.

[Dmitriy Parfenovich]

Gracias por las amables palabras y las críticas.

[Yedelkin]

Las redes neuronales son una rama de la investigación en inteligencia artificial basada en los intentos de replicar el sistema nervioso humano, es decir, la capacidad del sistema nervioso para aprender y corregir errores....

No lo entiendo. ¿Cómo se produce exactamente el autoaprendizaje del neuroasesor? En otras palabras, ¿cómo modifica el programa los coeficientes de ponderación ?

[Stanislav Korotky]

joo:
En realidad, eso es exactamente lo que estaba diciendo. Si te sales del intervalo, las respuestas serán erróneas. Por eso digo que la tabla de multiplicar 1-9 se puede enseñar, pero la multiplicación en general de números en la recta numérica entera - no, es algo de la categoría de una hazaña - "cocinar deliciosos huevos".

Pues bien, este problema se resuelve a veces transformando variables. Por ejemplo, si para el caso de la multiplicación, para representar los números de entrada como secuencias binarias de bits, es decir, en realidad se traducen en el rango [0,1], entonces probablemente será posible enseñar la multiplicación de números arbitrarios rejilla recurrente, a la entrada de los cuales los números se alimentan como secuencias de bits.

[Stanislav Korotky]

Yedelkin:

No lo entiendo. ¿Cómo se produce exactamente el autoaprendizaje del neuroasesor? En otras palabras, ¿cómo modifica el programa los coeficientes de ponderación?

Esto se hace mediante el algoritmo estándar de optimización genética. Esta implementación de la rejilla no incluye ningún algoritmo de aprendizaje - puedes considerarlo como una simplificación conveniente, mucha gente lo ha estado haciendo durante mucho tiempo en Quartet. Pero como cualquier simplificación, afecta a las capacidades limitando realmente la estructura de la rejilla y el principio de aprendizaje. En particular, es imposible ejecutar este tipo de formación en un Asesor Experto online (al menos hasta que el optimizador se implemente en la API MQL5).

[Yedelkin]

marketeer: Esto se hace mediante el algoritmo de optimización genética estándar.

Es decir, ¿para que un neuroasesor funcione a pleno rendimiento (autoaprendizaje) es necesario integrar un "algoritmo de optimización genética estándar" en el código del programa? ¿Existen implementaciones ya hechas de tales algoritmos en el dominio público?

[yu-sha]

Yedelkin:
Es decir, ¿para el funcionamiento completo de un neuroasesor (autoaprendizaje) es necesario integrar un "algoritmo genético estándar de optimización" en el código del programa? ¿Existen implementaciones ya hechas de tales algoritmos en el dominio público?

http://lancet.mit.edu/ga/ - Instituto Tecnológico de Massachusetts

[Stanislav Korotky]

Yedelkin:
Es decir, ¿para que un neuroasesor funcione a pleno rendimiento (autoaprendizaje) es necesario integrar un "algoritmo genético estándar de optimización" en el código del programa? ¿Existen implementaciones ya hechas de tales algoritmos en el dominio público?

Por supuesto que no. Por eso es estándar, porque ya está integrado en el optimizador. Optimiza los pesos de la rejilla por sí mismo. Si lees el artículo de la página web de quaternary, puede que te quede claro cómo se optimiza=aprende la rejilla con este enfoque.