Redes neuronales. Preguntas de los expertos. - página 7

 

En la entrada A,B,C,D,E,F,g,h,I, objetivo - M

Función de activación de la capa oculta tanh

Tres puntos de cada fila de datos, diste tres filas, un total de 3 * 3 = 9 neuronas de entrada.

Me entrené con todos los datos que me diste. Y me dieron ejemplos de formación de 6502.

Archivos adjuntos:
neuro_.rar  313 kb
 
joo >>:
Хорошо, чуть позже (часа через 2-3), попробую обоснованно показать, каким образом профит (или что то другое, не важно, что мы хотим получить от сети) зависит от фитнес функции. А гарантию того, что мы получим профит в будующем, конечно, никто дать никогда не сможет. А вот к чему стремится должна сетка, пожалуй, мы должны определять для неё однозначно.

Tarea:

Digamos que tenemos tres cuadrículas/TC. Cada uno de ellos se prueba en un conjunto de datos de 10 aprendizajes. La tabla muestra los valores objetivo abstractos (optimizables). Nos interesará la cuadrícula/TS que produzca los valores más pequeños de la función objetivo con la mayor frecuencia posible. No importa el algoritmo de optimización (AO) que vayamos a utilizar.

Ejemplo1



Todos los AOs tienen la misma suma de errores. Vemos que si utilizamos el error cuadrático medio, AO elegirá el CT #3 porque tiene el valor más pequeño.

Si se utiliza el error cuadrático medio, AO elegirá el CT #2, y lo mismo ocurre si se utiliza la mediana.

Ejemplo2


La situación aquí es más interesante.

Por un lado, TC#1 no tiene una mala puntuación, pero el error de 200 estropea el panorama. El TC3 tiene resultados estables, aunque no los mejores.

Una vez más, vemos que si utilizamos el error medio cuadrático, el JSC elegirá el TC3, ya que tiene el error más bajo.

Y si utilizamos el error cuadrático medio, AO elegirá la CU #2, pero en la mediana la elección se detendrá en la CU #1.


Conclusiones.

Si el objetivo del entrenamiento de la red es obtener una curva lo más parecida posible al objetivo, se debe utilizar el error cuadrático medio (tareas de aproximación)

Si el objetivo del entrenamiento de la red es obtener los valores más pequeños/bajos de la función objetivo con la mayor frecuencia posible, debe utilizar el error cuadrático medio (problemas de clasificación/clustering).


 
Lo he mirado, ahora entiendo por qué tiene el 6º dígito. Tomaste datos del futuro) 2 puntos que no existen en el mundo real)) De hecho, tu red hizo una previsión de la columna M1 conociendo las columnas A2 y A3)) De ahí el aumento de la precisión. Aunque aviso, dio los datos del futuro (una pista tan poco dulce directamente decir), y la precisión ha aumentado de 2-005 a 7-006)))) Es divertido.
 
mrstock >>:
Посмотрел, теперь понял почему у Вас 6-ой знак. Вы брали данные из будущего) целых 2 точки, которых в реале не существует) Фактически ваша сеть делала прогноз столбца М1 зная столбы А2 и А3))) Отсюда и рост точности. Хотя заметьте, дали данные из будушего (такая некислая подсказка прямо скажем), а точность выросла с 2-005 до 7-006)))) Забавно.

El orden en el que me diste los datos es el orden en el que se realizó la formación. Si puedes utilizar los datos en orden inverso, deberías obtener el mismo resultado. Se trata de un problema de aproximación, y da igual la dirección en la que se entrene.

 
Seguimiento. No recomiendo en absoluto el uso de las tangentes en estadística. Estos tipos hacen maravillas. Una vez predijeron el precio con 25 barras de antelación con una exactitud apabullante. Al principio estaba buscando el error, y luego me di cuenta de que estos chicos acaban de hacerlo, pero era realmente hermoso)))) Sólo uso la identidad, es la que describe con mayor precisión los problemas que establezco y no sufre los ajustes de la historia.
 
mrstock >>:
В догонку. Не рекомендую вообще использовать тангенсы в статистике. Эти ребята творят чудеса. Они мне как то раз спрогнозировали цену на 25 баров вперед с апупительной точностью. Я сначала долго искал ошибку, а потом понял, что эти умельцы, тупо подогнали результат, но было чень красиво)))) Я использую только identity он наиболее точно описывают те кзадачи, которые я ставлю и не страдают подгонкой на истории.

Guarda el código en C++, echa un vistazo, no hay milagros allí.

P.D. No utilizo Statistica en el comercio.

 

Echa un vistazo al archivo adjunto.

¿Se envían los valores de la misma directamente a la entrada NS, o se normalizan?

He entendido en el foro fxexpert.ru en el tema "Principios de la red neuronal de la creación de MTS" que finalmente llegaron a una conclusión,

Que es necesario normalizar los valores y no tomar directamente los valores de los indicadores o las cotizaciones, sino sus cambios.

 
¿Cómo no iba a serlo? De hecho en la columna A2 tenemos el martes en A3-miércoles (convencionalmente) predecimos EMA para el lunes (a1) y como el EMA fue en orden inverso, que depende sólo de las cláusulas posteriores) Así que hay una diferencia. De todas formas gracias))))
 
Qwer791 >>:

Посмотрел вложенный файл.

Значения из него непосредственно подаются на вход НС, или всетаки нормируются?

На форуме fxexpert.ru в теме" Нейросетевые принципы создания МТС" я так понял,в конечном итоге пришли к выводу,

что необходимо обязательно значения нормировать, и брать не непосредственные значения индикаторов или котировок, а их изменение.

Esto se ha discutido antes en este hilo. El mejor titular quería trabajar exactamente como... lo hace.

 
joo писал(а) >> De acuerdo, un poco más tarde (en unas 2-3 horas), intentaré mostrar razonablemente cómo el beneficio (o lo que sea, lo que queramos obtener de la red) depende de la función de aptitud.
joo escribió >> Conclusiones.

Si el objetivo del entrenamiento de la red es obtener una curva con la forma más parecida al objetivo, entonces se debe utilizar el error cuadrático medio (Tareas de aproximación)

Si el objetivo del entrenamiento de una red es obtener los valores más pequeños/bajos de la función objetivo con la mayor frecuencia posible, debe utilizar el error cuadrático medio (tareas de clasificación/clasificación)

Sinceramente, no me he dado cuenta de que el beneficio depende del error....))))
Razón de la queja: