Discusión sobre el artículo "Redes neuronales: así de sencillo" - página 4
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
Si quieres entender la estructura de MLP, IMHO es mejor mirar este código...
Agradecimiento. El artículo y los enlaces me han ayudado a comprender la finalidad de las redes neuronales -encontrar y procesar una invariante dentro del espacio de variación de un conjunto de datos- y el método más sencillo de aplicación técnica, que aún no he entendido del todo. Pero las explicaciones son muy lúcidas .
Y me gusta más lo esencial:
Y me gusta más lo esencial:
¿Quieres decir que tienes que saber el pronóstico de antemano?
Bueno...
Y me gusta más lo esencial:
La técnica de los 5 Porqués se construye a partir de preguntas secuenciales en las que cada pregunta responde a la razón de la pregunta anterior. Por ejemplo, observamos un gráfico y un gráfico de precios al alza y y construimos preguntas (las preguntas se responden en abstracto para explicar la técnica):
1. Dónde operar - Comprar
2. ¿Por qué comprar? - Porque es una tendencia alcista
3. ¿Por qué una tendencia alcista? - La MA50 está subiendo
4. ¿Por qué está subiendo la MA50? - El precio medio de cierre de 50 velas con un desplazamiento de 1 es inferior al precio medio de cierre de las últimas 50 velas.
etc.
Como las preguntas son secuenciales y tienen una relación causa-efecto, creamos capas para observar esta relación. Si utilizamos sólo 2 capas, la relación causa-efecto se pierde, la red neuronal analiza varias opciones independientes y elige la mejor.
El método 5 es similar al árbol de decisión, el área de búsqueda de una solución/causa también se reduce gradualmente. Aún así, no está claro cómo se relaciona con el hecho de que en la NS se utilicen 4 capas en una estructura de este tipo. Entiendo que la estructura sería complicada, por ejemplo, la segunda capa se alimenta con la salida sumada de la primera capa y la señal de entrada sin cambios, etc.
¿Puede decirme si se ha basado en algún otro trabajo para elegir el número de capas? ¿O se trata de sus conocimientos técnicos?
s.s. El trabajo es bueno, gracias.
La técnica de los 5 Porqués se construye a partir de preguntas secuenciales en las que cada pregunta responde a la razón de la pregunta anterior. Por ejemplo, observamos un gráfico y un gráfico de precios al alza y y construimos preguntas (las preguntas se responden en abstracto para explicar la técnica):
1. Dónde operar - Comprar
2. ¿Por qué comprar? - Porque es una tendencia alcista
3. ¿Por qué una tendencia alcista? - La MA50 está subiendo
4. ¿Por qué está subiendo la MA50? - El precio medio de cierre de 50 velas con un desplazamiento de 1 es inferior al precio medio de cierre de las últimas 50 velas.
etc.
Como las preguntas son secuenciales y tienen una relación causa-efecto, creamos capas para seguir esta relación. Si utilizamos sólo 2 capas, se pierde la relación causa-efecto, la red neuronal analiza varias opciones independientes y elige la mejor.
Rara herejía. ¡¿Cómo se relacionan tus preguntas y el número de capas?! Deberías leer algo sobre teoría de redes neuronales.
La red neuronal de cuatro capas que has construido no puede aprender nada. Existe la degradación por retropropagación de errores. Con dos capas todo va bien, pero con 4 capas el error simplemente no pasa todas las capas hacia atrás. Para resolver este problema han aparecido redes neuronales profundas de diversas arquitecturas.
Probablemente sea útil como ejercicio de programación y como ejemplo de programación. Pero su aplicación práctica no aportará ningún beneficio. IMHO
Suerte
Hay mucha información sobre este tipo de red (y muchos otros tipos) en este sitio, tanto artículos como programas en la base de código. Sólo tienes que buscarla. Por ejemplo, los artículos Recetas de redes neuronales, Asesor experto auto-optimizador de redes neuronales; codebase - clases para MLP (ver varios otros tipos de redes del mismo autor, y no sólo de él), indicador con predicción de redes neuronales (con una breve descripción de la teoría), etc. Hay suficiente información para entender cómo funciona. Pero para el uso real, una fuente no es suficiente - es necesario leer una gran cantidad de materiales y tener en cuenta una gran cantidad de matices.
Hay mucha información sobre este tipo de red (y muchos otros tipos) en este sitio, tanto artículos como programas en la base de código. Sólo tienes que buscarla. Por ejemplo, los artículos Recetas de redes neuronales, Asesor experto auto-optimizador de redes neuronales; codebase - clases para MLP (ver varios otros tipos de redes del mismo autor, y no sólo de él), indicador con predicción de redes neuronales (con una breve descripción de la teoría), etc. Hay suficiente información para entender cómo funciona. Pero para el uso real, una fuente no es suficiente - es necesario leer una gran cantidad de materiales y tener en cuenta una gran cantidad de matices.
no entiendes, estoy familiarizado con las redes neuronales.
Necesito un ejemplo de código para una arquitectura simple (por ejemplo, dos neuronas en la entrada, 3 en la capa oculta interna, uno en la salida) y el resultado de su trabajo (tanto en términos de beneficio - gráfico, y el tiempo de entrenamiento y en hardware específico ) ....
Quiero entender simplemente: si este esquema funcionará realmente con suficiente precisión (rentabilidad) y los costos de tiempo razonables para su formación ...
Debo añadir que para desarrollar clases y funciones, pero no para dar un ejemplo de un experto en estas clases no es un artículo completo ..... es sólo una teoría, que es abundante en Internet.