Discusión sobre el artículo "Red neuronal profunda con Stacked RBM. Auto-aprendizaje, auto-control"

[MetaQuotes]

Artículo publicado Red neuronal profunda con Stacked RBM. Auto-aprendizaje, auto-control:

El artículo es la continuación de artículos anteriores sobre neuroredes profundas y elección de predictores. En este veremos las particularidades de una neurored iniciada con Stacked RBM, así como su implementación en el paquete "darch".

Al preparar los datos para realizar nuestros experimientos, utilizaremos las variables del artículo anterior sobre la valoración y elección de los predictores. Conformaremos un conjunto original, lo limpiaremos y elegiremos las variables.

Analizaremos las formas de dividir el extracto original en conjuntos de entrenamiento, de prueba y de validación.

Con la ayuda del paquete "darch" construiremos un modelo de red DBN y la entrenaremos con nuestros conjuntos de datos. Después de la simulación, obtendremos las métricas con las que valorar la calidad del modelo. Veremos las amplias posibilidades que proporciona el paquete para el ajuste de parámetros de la neurored.

Veremos cómo pueden ayudarnos los modelos ocultos de Márkov en la mejora de las predicciones de la neurored.

Desarrollaremos un experto en el que el modelo se entrenará periódicamente sobre la marcha, sin interrumpir el comercio, según los resultados de control constante. En el experto usaremos el modelo DBN del paquete "darch". También mostraremos una variante del experto construida con el uso de SAE DBN del artículo anterior.

Indicaremos las rutas y métodos de mejora de los índices de calidad del modelo.

Autor: Vladimir Perervenko