Discussion de l'article "Réseaux neuronaux : De la théorie à la pratique"
en principe l'article est pas mal, tout est clair, limpide, pour ainsi dire sur les étagères ..... disons qu'il y a un endroit pour commencer, ne pas chercher sur d'autres forums, mais il faut continuer, partie 2,3.....
il faut un exemple de travail avec des NS multicouches, car les images montrent des NS multicouches, mais l'exemple ne concerne qu'un réseau avec un neurone - soit on renomme l'article, soit on écrit la partie 2.
Bonne chance !
- www.mql5.com
l'article est bon, les introductions sont révélées. mais je n'ai pas tout à fait compris - comment "l'entraînement" des neurones a lieu, et à quelle fréquence il est nano.
l'article est bon, les introductions sont couvertes. mais je n'ai pas bien compris comment les neurones sont "entraînés" et à quelle fréquence cela se fait.
- www.mql5.com
- www.mql5.com
Je vous soutiendrai à mon tour !!! et nous publierons l'un après l'autre )))))).
Je me suis occupé de réseaux neuronaux pendant longtemps - je ne comprenais pas comment ils fonctionnaient, je comprenais l'appareil mathématique, il y a beaucoup d'exemples, mais je ne comprenais pas pourquoi il était nécessaire de les entraîner et ce que cela donnait pendant longtemps parce qu'il n'y avait que des exemples d'entraînement pour une tâche spécifique (reconnaissance de formes, trading) sur Internet, et je n'ai pas rencontré d'exemples élémentaires (primitifs, quotidiens), jusqu'à ce que je rencontre un exemple d'entraînement de sin(x)...... sur un certain forum.
J'ai alors écrit un script qui enseignait la table de multiplication NS en ligne et imprimait les résultats à l'écran à l'aide de Comment(), et .... oh miracle... J'ai eu les larmes aux yeux de bonheur, j'ai vu comment NS apprend, apprend vraiment, pas des formules sèches pour obtenir le résultat désiré. Ce serait bien de montrer un exemple dans l'article comme exemple 2x2=4,1 2x3=5,9 ..... 9x9= 80,2 , mais 11x2 = 10,3 parce que la table de multiplication de 11 NS n'a pas étudié, voici howtoktotak ))))))
ZY : à propos de moi : j'ai étudié, j'ai étudié, j'ai servi, j'ai travaillé, je me suis marié, j'ai vécu heureux et je suis mort le même jour et je ne vais pas mourir tout de suite - il y a encore des affaires inachevées ! !!!
Bon article pour le niveau débutant, j'aimerais aussi un suivi.
Ensuite, j'ai écrit pour moi-même un script qui enseignait la table de multiplication NS en ligne et imprimait les résultats à l'écran à l'aide de Comment(), et ... oh merveille... J'ai eu les larmes aux yeux de bonheur, j'ai vu comment NS apprend, apprend vraiment, pas des formules sèches pour obtenir le résultat désiré. Ce serait bien de montrer un exemple dans l'article comme exemple 2x2 =4,1 2x3=5,9 ..... ..... 10x10= 10,2 , mais 11x2 = 10,3 puisque la table de multiplication de 11 NS n'a pas été étudiée, wotkaktotak ))))))
C'est une bonne façon de poser la question.
Bien que la table de multiplication n'ait pas grand-chose à voir avec le commerce, je me demande tout de même si le réseau a été capable d'enseigner la table de multiplication ?
Peut-être qu'en répondant à la question, pourquoi le réseau ne peut-il pas apprendre la table de multiplication, on comprendra comment apprendre au réseau à faire du commerce.
Bonne question.
1) Bien que la table de multiplication n'ait pas grand-chose à voir avec le commerce, je me demande tout de même s'il a été possible d'enseigner la table de multiplication au réseau.
2) Peut-être qu'en répondant à la question "pourquoi le réseau ne peut-il pas apprendre la table de multiplication ?
3. on comprendra comment apprendre au réseau à faire du commerce.
1. oui, le réseau a appris la table de multiplication de 1x1 à 9x9 inclus, la vidéo semble montrer les résultats à la deuxième décimale.
2. le réseau n'a pas appris la table de multiplication au-delà de 9x9, ce qui n'est pas surprenant - personne ne l'a enseignée, toute coïncidence avec les résultats corrects est aléatoire.
3. il y a une compréhension, mais il y avait de l'espoir pour les développeurs de "New Neural" - projet Open Source de moteur de réseau neuronal pour la plateforme MetaTrader 5, mais comme on dit "et il n'y a toujours rien" (Krylov). Le développement d'un projet de réseau neuronal multicouche demande beaucoup de travail - il est plus facile d'ajouter des fichiers .dll, même si, probablement, sur la plateforme MetaTrader 5 pure, il y aura une perte de vitesse d'apprentissage par rapport aux implémentations prêtes à l'emploi des paquets NS/.dll.
SZY : Vous pouvez demander dans le sujet avec MT5 souhaite une implémentation intégrée de NS multicouche, mais comme il arrive avec les développeurs - ils répondent non, ce n'est pas fourni, et dans la moitié d'une année ils annoncent une telle mise à jour, deux fois je l'ai déjà "obtenu" : j'ai souhaité pour la surcharge de l'opérateur et le canevas pour dessiner sur le graphique :).
ZYZY : pour moi, pour des expériences avec NS, une telle importation est suffisante :
#import "fannmql.dll" void fannmql_build(string NN_config); // crée un réseau neuronal FANN, propriétés des couches de neurones dans NN_config // vous pouvez utiliser des délimiteurs : ', . ; -' ou un espace void fannmql_unbuild(); // supprime le réseau neuronal FANN double fannmql_train(double &input[],double &output[]); // formation du réseau neuronal FANN, renvoie la valeur RMS void fannmql_run (double &input[],double &output[]); // calculer le FANN du réseau neuronal void fannmql_savetofile (string File_name); // sauvegarde du FANN du réseau neuronal dans un fichier void fannmql_loadfromfile(string File_name); // chargement de FANN du réseau neuronal à partir du fichier #import string s = "8-10-10-2"; // NS avec 8 entrées, 2 couches cachées de 10 neurones dans chaque couche et 2 sorties double inp[8],out[2]; //________________________________________________ int init(){ fannmql_build(s); ..............mais, apparemment, intégrer de telles fonctions dans les fonctions standard de MT5 est un problème grandiose et difficile à réaliser;)))))
C'est peut-être en répondant à la question "pourquoi le réseau ne peut-il pas apprendre la table de multiplication ? qu'il sera possible de comprendre comment apprendre au réseau à faire du commerce.
Le plus intéressant, c'est qu'on ne peut pas apprendre au réseau la table de multiplication (au sens large). C'est-à-dire que l'on peut bien sûr enseigner la multiplication de 1*1 à 9*9, et ensuite... Le tableau de Repin - "Fig you".
Mais le cerveau exécute ces étapes sans difficulté, pourquoi ? - C'est là que se trouve le trésor de la sagesse, il faut creuser, mais ce n'est pas aussi simple qu'il n'y paraît - cela touche au domaine de l'intelligence artificielle, et c'est une toute autre histoire....
Le plus intéressant est que le réseau ne peut pas apprendre la table de multiplication (au sens large). Bien sûr, on peut enseigner la multiplication de 1*1 à 9*9, et ensuite... Le tableau de Repin - "Fig you".
Mais le cerveau accomplit ces étapes sans difficulté, pourquoi ? - C'est un trésor de sagesse qu'il faut creuser, mais ce n'est pas aussi simple qu'il n'y paraît - on est à la limite du domaine de l'intelligence artificielle, et c'est une autre histoire.....
Je ne suis pas d'accord avec figwam.
Les réseaux neuronaux ne font-ils pas partie du domaine de l'intelligence artificielle ?
Si vous souhaitez poursuivre ce sujet, je vous suggère d'aller ici "New Neural" - Projet Open Source de moteur de réseau neuronal pour la plateforme MetaTrader 5.
Ou par message privé, je pense que ce sera redondant ici.
Le plus intéressant est que le réseau ne peut pas apprendre la table de multiplication (au sens large). Bien sûr, on peut enseigner la multiplication de 1*1 à 9*9, et ensuite... Le tableau de Repin - "Fig you".
Mais le cerveau accomplit ces étapes sans difficulté, pourquoi ? - C'est un trésor de sagesse qu'il faut creuser, mais ce n'est pas aussi simple qu'il n'y paraît - on est à la limite du domaine de l'intelligence artificielle, et c'est une autre histoire...
Yura Reshetov a même écrit qu'il est possible d'enseigner à la NS la table de multiplication, où 2*2 = 5, et toutes les autres variations seront arithmétiquement correctes. C'est l'essence même de l'ajustement, soit dit en passant. Quant à savoir pourquoi le SN se met à mentir si vous lui enseignez les chiffres de 1 à 9 et que vous lui donnez les chiffres de 10 à 20, il y a également une réponse à cette question. Le fait est que le réseau ne peut fonctionner correctement que si les données hors échantillon se situent dans le même intervalle que l'ensemble d'apprentissage. En gros, nos données d'entrée se situeront dans l'intervalle [1;9]. Nous donnerons ensuite aux NS des données situées dans un intervalle différent, ce qui rendra les données d'entrée non stationnaires, et la non-stationnarité donnera de fausses réponses. Essayez d'entraîner le réseau sur des échantillons dans l'intervalle [1;20], puis donnez-lui d 'autres échantillons dans le même intervalle, et, oh miracle, il fonctionnera vraiment. Vous pouvez le tester.
Je l'ai testé ici. Il fonctionne très bien en dehors de l'échantillon)
NS a appris la table de multiplication de 1 à 20. L'entraînement et l'arrêt de l'entraînement ont été effectués sur des exemples choisis au hasard (1/3 et 1/3 de la taille de l'échantillon). Validation - le tiers restant de la taille de l'échantillon, mais surtout à partir du même intervalle. Les résultats de la validation sont aussi bons que ceux des échantillons d'entraînement. L'erreur est de l'ordre de +-0,1.
Le fait est que NS apprend n'importe quelle fonction, comme vous le savez, et le fait avec succès, l'essentiel étant que la plage de données hors échantillon se situe à l'intérieur de la plage d'apprentissage.
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Vous acceptez la politique du site Web et les conditions d'utilisation
Un nouvel article Réseaux neuronaux : De la théorie à la pratique a été publié :
De nos jours, tout trader doit avoir entendu parler des réseaux neuronaux et sait à quel point il est cool de les utiliser. La majorité pense que ceux qui peuvent traiter les réseaux neuronaux sont des sortes de surhommes. Dans cet article, je vais essayer de vous expliquer l'architecture des réseaux neuronaux, de décrire leurs applications et de montrer des exemples d'utilisation pratique.
Les réseaux neuronaux artificiels sont l'un des domaines de recherche en intelligence artificielle qui repose sur les tentatives de simulation du système nerveux humain dans sa capacité d'apprentissage et d'adaptation, ce qui devrait nous permettre de construire une simulation très grossière du fonctionnement du cerveau humain.
Curieusement, les réseaux neuronaux artificiels sont constitués de neurones artificiels.
Fig. 1. Le modèle de neurone artificiel
Auteur : Dmitriy Parfenovich