Red neuronal - página 12
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
Sin embargo, me encanta este. >>) Cuánto sufrí con ello en mi época, antes de forex:).
¿Sus agonías han traído el tan esperado resultado en forma de aumento de su riqueza personal al crear y utilizar con éxito el asesor experto en redes neuronales? O tal vez todo sea una mierda. :)
>>¿Cuáles son las salidas, las entradas?
¿Cuántos valores de profesor es mejor utilizar para entrenar una red neuronal? Por ejemplo, si hay cuatro acciones posibles en las respuestas de la red. Si se utilizan 4 valores, observo que el error es mayor que si se suavizan los valores medios. ¿Cuántos son los óptimos? En el archivo adjunto, a la izquierda las salidas reales, a la derecha los valores sobre los que se ha entrenado la red.
¿Y sus torturas han traído el resultado tan esperado en el aumento de un bienestar financiero personal por medio de la creación exitosa y la aplicación en la vida del asesor en las redes neuronales? O tal vez sea una basura. :)
Kohonen sí, a veces ayuda. BackProp - necesitas un maestro. Intentado enseñar, el resultado es negativo. Hay que saber dónde conseguir un profesor. Por muchos artículos que haya leído, todo son tonterías. Así que lo tiré a la basura. A lo mejor me equivoco y alguien de aquí te dice lo del retroceso. Por cierto hay cosas interesantes en Makarenko, Golovko, por ejemplo en sus conferencias sobre neuroinformática MEPhI, te aconsejo que las leas.
Hay que saber dónde conseguir un profesor.
¿No puedes escribirlo tú mismo?
¿No puedes escribirlo tú mismo?
Si hay sugerencias para las salidas de la red, es decir, los profesores, por favor, exponga su punto de vista sobre la situación. No he podido obtener ningún resultado. Al principio parecía genial, luego fue cuesta abajo.
He intentado usar el script para buscar vectores de entrada inconsistentes. Si el vector de entrada tiene una desviación determinada o coincide completamente con otro vector, mira lo que dice el profesor en esas barras. Si dice resultados directamente opuestos - las entradas son inconsistentes. Las entradas son la indicación AO, el profesor es el análogo de MRR del diploma de Ivanov. Por lo tanto, si la desviación no es igual a cero sino un poco más grande (por ejemplo, 0,5), el script encuentra muchos vectores contradictorios. Si la desviación es aún mayor, encuentra aún más, etc. En otras palabras, resulta que cada vector es completamente individual. Entonces, ¿cómo se puede intentar combinar vectores en grupos de vectores similares en un caso así, como hace la red de Kohonen?
Una pequeña pregunta para el público.
He intentado buscar vectores de entrada incoherentes mediante un script. Si un vector de entrada tiene una desviación determinada o coincide completamente con otro vector, mira lo que dice el profesor en estas barras. Si dice resultados directamente opuestos - las entradas son inconsistentes. Las entradas son la indicación AO, el profesor es el análogo de MRR del diploma de Ivanov. Por lo tanto, si la desviación no es igual a cero sino un poco más grande (por ejemplo, 0,5), el script encuentra muchos vectores contradictorios. Si la desviación es aún mayor, encuentra aún más, etc. En otras palabras, resulta que cada vector es completamente individual. Entonces, ¿cómo se puede intentar combinar vectores en grupos de vectores similares en un caso así, como hace la red de Kohonen?
No se trata de que cada vector sea individual o no. Se trata de cómo se compone el propio vector. Entienda que una red neuronal es sólo una herramienta para interpretar datos, no es una "inteligencia artificial inteligente", a la que usted alimenta con lo que quiera y ella lo entenderá todo. El SN funciona según la regla más primitiva del reflejo condicionado: impacto->reacción. Por eso le muestras señales de AO, o cualquier otro indicador, o tu horóscopo en general - no importa; si la señal inicial no contiene información útil, la red no sacará nada de ella. Piensa que le has mostrado, digamos, veinte muestras de AO. Y ahora imagine cuántas variantes diferentes de situaciones de mercado podrían dar lugar a la formación de tal (o "casi tal" - en términos de correlación) secuencia. Incluso si sólo hay dos (un caso límite), la probabilidad de que den resultados diametralmente opuestos no es en absoluto despreciable. ¿Y si hay más? Y, en general, ¿cómo podría saber si le mostraron AO o AC, o un gráfico de la actividad solar? De ahí vienen los llamados "vectores inconsistentes", de los datos brutos, porque la llamada inconsistencia dice en realidad que la red, o más bien el modelo matemático que describe, simplemente no puede tomar decisiones en esta situación por falta de argumentos suficientes.
No pierda su tiempo en el entrenamiento de redes en el precio desnudo y los indicadores lineales como AO - es una etapa detrás de nosotros y un gran número de experimentos han demostrado que es, al menos, poco rentable. Profundizar en la parte no lineal, aislar los componentes principales, etc. La red sólo funcionará con éxito cuando analice datos significativos, y sólo la cabeza del programador puede darles sentido (no necesariamente la única, puede estar conectada a varias herramientas técnicas).
¿Los datos no lineales son datos no ordenados?
Yo diría más bien que refleja hasta cierto punto la esencia subyacente de los procesos que tienen lugar, más que sus manifestaciones externas. ¿Qué tiene un comerciante para empezar? Hay un flujo de noticias, un flujo de precios y un flujo de volumen (de hecho, los datos no son consistentes). Y si los dos últimos objetos ya están "matematizados" por así decirlo - expresados en números, entonces con las noticias el problema es más complicado - en primer lugar, hay que obtenerlas, y en segundo lugar, formalizarlas de alguna manera (bueno, eso es un tema aparte, incluso ha habido un hilo sobre ello aquí recientemente).
Así que nuestra tarea es mostrar todo esto a una red neuronal de forma digerible. Es decir, imagina un loro al que se le ha enseñado durante cientos de años a responder de una manera determinada a frases bastante específicas, por ejemplo "comprar" "vender" y "sitikuri". Evidentemente, sería razonable darle, por ejemplo, frases como "el precio ha actuado así durante los últimos Н días (subía de tal a cual, luego bajaba, después -presta especial atención, Popka- hacía tal o cual patrón), los volúmenes de las operaciones eran tal o cual, el mercado reaccionaba a las noticias que se publicaban entonces, y todo esto ocurría en el fondo de tal o cual tendencia". - Y en su cabeza de loro después de los mencionados cien años - tal vez incluso inconscientemente - se formará una imagen de la situación del mercado, después de lo cual con cierta probabilidad dará la respuesta correcta. Si le decimos que "el precio era así ayer, así ayer, y así durante un mes", sencillamente no sabrá a qué aferrarse, porque la tarea de distinguir los elementos significativos en el flujo homogéneo de información será una pesada carga para su pequeño cerebro. Así que, en el mejor de los casos, tendrá una vaga idea de lo que debe buscar a la hora de tomar una decisión, y si vamos a regañarle con demasiada diligencia por las respuestas erróneas (léase: formación con un profesor :), estará completamente perdido y abandonará el proceso de aprendizaje con total ignorancia.
Otra analogía: ¿cómo usamos usted y yo nuestros ojos para reconocer objetos? A grandes rasgos, nuestra conciencia no analiza un conjunto de píxeles procedentes directamente de la retina, sino que recibe una imagen visual ya preparada para su análisis y reconocimiento; es decir, para entender lo que vemos, las secciones cerebrales correspondientes junto con la propia imagen ya nos proporcionan una lista de rasgos a los que prestar atención; es decir, los datos ya están preparados para el análisis final; ya contienen una determinada carga semántica.
Seleccionar lo esencial y descartar lo intrascendente es lo que entiendo por procesamiento no lineal.