Discussion de l'article "Réseaux neuronaux : De la théorie à la pratique" - page 5
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
J'essaierai de séparer les concepts d'"ajustement" et de "formation".
Ajustement - sélection des paramètres du modèle afin de le faire correspondre au processus modélisé. On peut faire une analogie avec "l'apprentissage par cœur".
Apprentissage - le processus de connaissance du processus par le modèle, qui comprend la mémorisation des "règles" et des "exceptions aux règles" afin de pouvoir tirer des conclusions sur la base des informations inconnues entrantes. Dans la formation NS, la partie validation de l'échantillon de formation est utilisée à cette fin.
Ainsi, nous pouvons dire que le NS du conseiller expert de l'article est ajusté plutôt que formé, de même que tous les conseillers experts optimisés dans le testeur. La fonctionnalité de l'optimiseur n'est pas suffisante pour former des EA (avec ou sans NS) (bien qu'il y ait un test avant, cela signifie seulement que nous sélectionnons celui qui réussit le test avant).
Yedelkin:
................., et le terme "formation" a reçu une nouvelle signification très spécialisée, à savoir : la formation est la sélection habituelle (ajustement) des paramètres .
On apprend à faire du vélo (jouer au badminton, etc.) en ajustant les paramètres de ses propres réseaux neuronaux.
La copie (apprentissage par cœur) est une façon beaucoup plus primitive d'"apprendre". // Y compris l'apprentissage des définitions du dictionnaire.
D'ailleurs, personne n'apprend une langue (langue maternelle) à partir de dictionnaires, ils apprennent par "adaptation".
MetaDriver: Отнюдь не новый. Любой езде на велосипеде / игре в бадминтон обучаются путём подгонки параметров собственных нейросеток.
...D'ailleurs, personne n'apprend une langue (langue maternelle) à l'aide de dictionnaires, ils l'apprennent en l'"adaptant".
Merveilleux exemple d'explication de phénomènes ordinaires à l'aide de termes hautement spécialisés :)
Cela me rappelle ceci :
Il ne reste plus qu'à ajouter que les dictionnaires ne servent pas à apprendre par cœur et à "apprendre les définitions des dictionnaires", mais à refléter les significations des mots qui sont considérées comme généralement acceptées.
Existe-t-il un moyen de sortir de cette situation ? Devrions-nous écrire nos propres algorithmes d'apprentissage? J'espère que les articles sur MQL5 le contiennent déjà.
Il y a déjà quelque chose sur les algorithmes d'optimisation, oui. Sur les algorithmes d'apprentissage, non.
Et il n'y a pas d'articles sur les méthodes de sélection des variantes les plus optimales parmi le nombre total d'exécutions (y compris dans le testeur standard).
Il existe déjà quelque chose sur les algorithmes d'optimisation, oui. Sur les algorithmes d'apprentissage, non.
Et il n'y a pas d'articles sur les méthodes de sélection des variantes les plus optimales parmi le nombre total d'exécutions (y compris dans le testeur standard).
Un merveilleux exemple d'explication de phénomènes ordinaires à l'aide de termes hautement spécialisés :)
Inspiré :
La seule chose qu'il reste à ajouter est que les dictionnaires ne sont pas utilisés pour l'apprentissage par cœur et l'apprentissage des "définitions du dictionnaire", mais pour refléter les significations des mots qui sont considérées comme généralement acceptées.
Oh, à quoi ils ne servent pas seulement... ! Ici, sur notre forum préféré, ils servent surtout à se pisser sur la tête avec eux.........
;)
D'une manière générale, un modèle mathématique d'un processus ou d'un phénomène quelconque est une description en langage mathématique des lois auxquelles ce processus ou ce phénomène obéit. Mais le contrôle de ce processus à l'aide de paramètres peut être appelé ajustement. Les mathématiques sont une science exacte, les définitions doivent donc être exactes.
D'une manière générale, un modèle mathématique d'un processus ou d'un phénomène quelconque est une description en langage mathématique des lois auxquelles ce processus ou ce phénomène obéit. Mais le contrôle de ce processus à l'aide de paramètres peut être appelé ajustement. Les mathématiques étant une science exacte, les définitions doivent être exactes.
Les "lois" sont déjà des modèles. Elles n'existent que dans la tête.
Les processus réels n'obéissent à aucune loi ))
Chers intervenants.
Bien sûr, je ne suis pas contre le fait de discuter des subtilités des réseaux neuronaux dans ce fil, mais à l'origine, l'article était prévu pour les débutants. Il omet certains détails, parce que ces mêmes détails sont susceptibles d'embrouiller un novice en matière de réseaux neuronaux. Bien sûr, l'article ne précise pas les différentes méthodes d'entraînement (fitting) des réseaux neuronaux, mais ce n'est pas nécessaire au stade initial. Si vous vous rendez compte que les réseaux neuronaux ne sont pas si difficiles, cela ne vous donne pas une excuse pour vous détourner et dire "c'est très difficile et ce n'est pas pour moi". Si vous en savez plus, tant mieux, mais l'article n'est probablement pas pour vous.
En ce qui concerne l'auto-apprentissage, il est possible que des changements aient été apportés au cours du processus de modération alors qu'ils ne figuraient pas dans la version originale. Pour l'instant, la source de l'article n'est pas à portée de main, mais dès que possible, je vérifierai que cet article ne contient pas d'erreurs de cette nature.
Après réflexion, il a été décidé d'écrire la deuxième partie de l'article.
Pour l'instant, la deuxième partie couvrira le travail avec les réseaux neuronaux multicouches.
Si vous avez des souhaits concernant le contenu de l'article, écrivez-les brièvement.
Les idées que je peux transmettre sur mes doigts seront décrites dans l'article.
Je vous remercie de votre attention.