¿Qué alimentar a la entrada de la red neuronal? Tus ideas... - página 60

Nuevo comentario
 
Maxim Dmitrievsky #:
Maximizar la calidad del entrenamiento es maximizar la calidad de las predicciones sobre los nuevos datos. A nadie le interesan las predicciones sobre la muestra de entrenamiento, porque ya se conocen. Eso no es aprendizaje, es aproximación. No se llama aprendizaje a la aproximación.

Por ejemplo, un MLP de dos capas es un aproximador universal que puede aproximar cualquier función arbitraria con cualquier precisión. ¿Significa eso que está entrenado con la máxima calidad? Por supuesto que no. De lo contrario, no inventaríamos otras arquitecturas de redes neuronales que son mejores aprendiendo, no ajustando, para tareas específicas.

Débil, aunque parece que llevas mucho tiempo con el tema.
Bueno, si se entrena la tabla de multiplicar, la ley de Ohm y otras leyes, cuantos más ejemplos se den durante el entrenamiento, más precisas serán las respuestas sobre nuevos datos.

Y el modelo siempre estará infraentrenado, porque hay infinitas variantes, no puedes alimentarlas todas, por supuesto. En una situación ruidosa, los operadores de radio pueden hacer frente al ruido blanco (u otros ruidos naturales aprendidos), en el comercio y el ruido cambia todo el tiempo. Así que todo es bastante complicado para evaluar la calidad.
 
Andrey Dik #:

Vale, ha salido la palabra "grado", excelente.

Así que el aprendizaje necesita ser evaluado de alguna manera, no importa cómo, lo principal es mejorar la nota. ¿Verdad?

La nota máxima es con memorización absoluta. En el trading en una situación ruidosa, cada uno baila con su pandereta mientras puede)))) Unos en el examen, otros en la validación cruzada, otros en el Walking Forward. Y alguno a ojo))))
 
Aleksey Nikolayev #:
¿Qué hay de malo en la definición habitual de aprendizaje: asignar valores específicos a los parámetros del modelo?

I van B utko

No refleja la esencia.



Puedes asignar cualquier tipo de galimatías y tonterías. Si partimos de lo contrario (memorizar/recordar), entonces el aprendizaje es la identificación de ciertos patrones, gracias a los cuales puedes crear o identificar nuevos conocimientos. Un ejemplo: Chat escribe poemas sobre un tema arbitrario.

Tanto en el aprendizaje por modelos como en el aprendizaje humano, en ambos casos hay que ajustar los parámetros del modelo (las neuronas del cerebro).

De acuerdo. La cuestión es que nadie necesita cualquier formación, sino una buena formación. ¿Cuál es el criterio para evaluar la bondad del entrenamiento?

 
Forester #:
La puntuación máxima es de memorización absoluta. En el comercio en una situación ruidosa, cada uno baila con su pandereta mientras puede))))) Unos en el test, otros en la validación cruzada, otros en el Walking Forward. Y alguno a ojo)))))
Es decir, el aprendizaje es un proceso que maximiza la estimación (o minimiza el error), ¿no?
 
En el debate sobre la inteligencia intentamos describir su esencia. Y los defensores de la conexión biológica tenían un criterio (si no me equivoco) - la capacidad de aprendizaje.

Así, el aprendizaje de memoria (hombre-enciclopedia), como muestra la práctica social, por el contrario, es un signo de debilidad del intelecto.

Y por el contrario, una persona que no tiene todo el conocimiento puede llegar a él más rápido por la experiencia.

Y así, estando en un volumen de algunos conocimientos, el segundo tipo de intelecto empezará a superar al primero, en desarrollo, práctica, actividad, investigación, etc.

Por lo tanto, yo no incluiría el concepto de "memorización completa" en la definición o descripción del aprendizaje.



Proyectándonos al mercado de divisas, para crear un motor que pueda beneficiarse del gráfico de precios, tenemos que considerar una arquitectura que acepte más de 1 valor por entrada y no se rompa.

La práctica demuestra que cuantos más valores por entrada, peor, y debería ser al revés.

Pero, por otra parte, hay dos tipos de entradas en relación con el gráfico:

1. 1. Una secuencia de datos temporalmente similares.

2. Sólo los datos más recientes pero heterogéneos.

Así, en el mismo MLP simple, el primer tipo de datos se rompe sin ambigüedad si se introduce más de 1 valor.

Pero el segundo tipo a veces funciona mejor si se encuentran datos de entrada adecuados (complementarios).

Por ejemplo, la posición del precio en un rango y la posición de algún oscilador a veces dan un modelo de trabajo que repite el éxito en pares aliados.

Con el primer tipo de datos esto es imposible, con cada nuevo (viejo en el tiempo) de entrada - el resultado en pares aliados obtiene el valor aleatorio absoluto.


Así que aquí es donde tuve la idea de que hay aprendizaje en el sentido informativo (no en ejemplos de la vida, sino en ejemplos del entorno virtual). Y el entorno virtual son los bits.

Si omitimos la pregunta sobre los bytes y por qué hay tantos de ellos (signos), queda una cosa: no sólo los números, sino también los signos están sujetos al aprendizaje.
Y por lo tanto - los datos de entrada no deben tener sólo valor numérico, porque el número tiene un factor de poder (en sí mismo - ya peso), pero debe tener alguna forma cualitativa (a, B, C), donde estos signos se asignarán peso - ya por números.

En consecuencia, si uno compone una arquitectura de aprendizaje, no tiene que tener puntos de vista de los libros de texto, es realmente casi un proceso creativo.

Pero para salir de la creatividad y seguir el camino de la justificación, es necesario describir al menos qué es el aprendizaje en el sentido informativo (aplicado)
 
Andrey Dik #:
Es decir, aprender un proceso que maximice la estimación (o minimice el error), ¿no?

No. El aprendizaje puede ser sin evaluación. La evaluación es una opción.

Si memorizas toda la tabla de multiplicar. Te califiquen o no, tus conocimientos no cambiarán (si los memorizaste bien).
 

A ndrey Dik #: Es decir, el aprendizaje es un proceso que maximiza la estimación (o minimiza el error), ¿no?

Al aprender no estás pasando por las opciones:

3*3=1,2,3,4,5,6,7,8,9,10,11...
y luego calculas la diferencia con 9 y aprendes de ella que la respuesta es realmente 9. Memorizas 9 inmediatamente.

 
Forester #:

No. Se puede aprender sin notas. Las notas son una opción.

Si memorizas toda la tabla de multiplicar. Te pongan nota o no, tus conocimientos no cambiarán (si la has memorizado bien).

¿cómo sabrás si has aprendido la tabla de multiplicar entera o sólo parcialmente sin nota?
 
Forester #:

No. Se puede aprender sin notas. Las notas son una opción.

Si memorizas toda la tabla de multiplicar. Te califiquen o no, tus conocimientos no cambiarán (si memorizaste bien).

F orester #:

No es que estés pasando por las opciones cuando estás aprendiendo:

3*3=1,2,3,4,5,6,7,8,9,10,11...
y luego calculas la diferencia con 9 y por ella aprendes que la respuesta es realmente 9. Memorizas 9 inmediatamente.


¿Cómo sabrás si has aprendido la tabla de multiplicar completamente o sólo parcialmente sin nota?

 
Andrey Dik #:


¿cómo sabrás si has aprendido la tabla de multiplicar completamente o sólo parcialmente sin nota?

No se sabe. Aprendes lo que te dan a aprender.
1...535455565758596061626364656667...85
Nuevo comentario