Discusión sobre el artículo "Redes neuronales: De la teoría a la práctica" - página 5
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Intentaré separar los conceptos de "ajuste" y "formación".
Ajuste: selección de los parámetros del modelo para ajustarlo al proceso modelizado. Se puede hacer una analogía: "aprendizaje de memoria".
Aprendizaje: proceso de conocimiento del proceso por parte del modelo, que incluye la memorización de "reglas" y "excepciones a las reglas" con el fin de poder extraer más conclusiones a partir de la información desconocida entrante. En el entrenamiento NS, la parte de validación de la muestra de entrenamiento se utiliza con este fin.
Por lo tanto, podemos decir que el NS en el Asesor Experto del artículo se ajusta en lugar de entrenarse, así como cualquier Asesor Experto optimizado en el probador. La funcionalidad del optimizador no es suficiente para entrenar EAs (con o sin NS) (aunque existe la prueba hacia adelante, pero sólo significa que sólo seleccionamos el que pasa la prueba hacia adelante).
Yedelkin:
................., y el término "entrenamiento" ha adquirido un nuevo significado altamente especializado, a saber: el entrenamiento es la selección (ajuste) habitual de parámetros .
Cualquier ciclismo (jugar al bádminton, etc., etc.) se aprende ajustando parámetros de redes neuronales propias.
Copiar (aprender de memoria) es una forma mucho más primitiva de "aprender". // Incluido el aprendizaje de definiciones de diccionario.
Por cierto, nadie aprende un idioma (lengua materna) con diccionarios, se aprende "encajando".
MetaDriver: Отнюдь не новый. Любой езде на велосипеде / игре в бадминтон обучаются путём подгонки параметров собственных нейросеток.
...Por cierto, nadie aprende un idioma (lengua materna) con diccionarios, lo aprende "encajándolo".
Maravilloso ejemplo de explicar fenómenos ordinarios con la ayuda de términos muy especializados :)
Me acuerdo de esto:
Sólo queda añadir que los diccionarios no sirven para aprender de memoria y "aprender definiciones de diccionario", sino para reflejar los significados de las palabras que se consideran generalmente aceptados.
¿Hay alguna forma de salir de esta situación? ¿Deberíamos escribir nuestros propios algoritmos de aprendizaje? Espero que los artículos sobre MQL5 ya lo contengan.
Ya hay algo sobre algoritmos de optimización, sí. Sobre algoritmos de aprendizaje, no.
Y no hay artículos sobre métodos de selección de las variantes más óptimas a partir del número total de ejecuciones (incluso en el probador estándar).
Ya hay algo sobre algoritmos de optimización, sí. Sobre algoritmos de aprendizaje, no.
Y no hay artículos sobre métodos de selección de las variantes más óptimas a partir del número total de ejecuciones (incluso en el probador estándar).
Un magnífico ejemplo de cómo explicar fenómenos ordinarios utilizando términos muy especializados :)
Inspirado:
Lo único que me queda por añadir es que los diccionarios no se utilizan para aprender de memoria y aprender las "definiciones del diccionario", sino para reflejar los significados de las palabras que se consideran generalmente aceptados.
¡Ah, para lo que no se usan sólo...! Aquí, en nuestro foro favorito, se usan sobre todo para mearnos en la cabeza unos a otros con ellos.........
;)
En términos generales, un modelo matemático de cualquier proceso o fenómeno es una descripción en lenguaje matemático de las leyes a las que obedece dicho proceso o fenómeno. Pero el control de este proceso con ayuda de parámetros puede denominarse ajuste. Las matemáticas son una ciencia exacta, así que las definiciones deben ser exactas.
En términos generales, un modelo matemático de cualquier proceso o fenómeno es una descripción en lenguaje matemático de las leyes a las que obedece dicho proceso o fenómeno. Pero el control de este proceso con ayuda de parámetros puede denominarse ajuste. Las matemáticas son una ciencia exacta, por lo que las definiciones deben ser exactas.
Las "leyes" ya son modelos. Sólo existen en la cabeza.
Los procesos reales no obedecen a ninguna ley ))
Estimados ponentes.
Por supuesto, no estoy en contra de discutir las sutilezas de las redes neur onales en este hilo, pero originalmente, el artículo fue planeado para principiantes. Omite algunos detalles, porque estos mismos detalles son capaces de confundir a un novato en redes neuronales. Por supuesto, el artículo no especifica varios métodos de entrenamiento (ajuste) de redes neuronales, pero no es necesario en la fase inicial. Si te das cuenta de que las redes neuronales no son tan difíciles, no te sirve de excusa para dar media vuelta y decir "esto es muy difícil y no es para mí". Si usted sabe más - eso es genial, entonces el artículo no es probablemente para usted.
En cuanto al autoaprendizaje - es posible que durante el proceso de moderación se hayan hecho cambios que no estaban en la versión original. Por el momento no tengo a mano la fuente del artículo, pero en cuanto me sea posible revisaré este artículo en busca de errores de esta naturaleza.
Después de reflexionar un poco, se decidió escribir la segunda parte del artículo.
Por el momento la segunda parte cubrirá el trabajo con redes neuronales multicapa.
Si tiene algún deseo sobre su contenido - por favor, escríbalo brevemente.
Aquellas ideas que pueda transmitir con mis dedos serán descritas en el artículo.
Muchas gracias.