Stereo Neuro Net

[Neutron]

Dans Avishka, si vous plissez les yeux correctement et tombez dans un état de Nirvana, vous pouvez voir comment une grille non linéaire à trois couches et à deux entrées ratisse les données d'entrée (les séries de prix) en essayant d'y trouver des modèles cachés. Et, en effet, elle le trouve.

P.S. Ceci ne doit pas être pris au sérieux.

[[Supprimé]]

Neutron >> :

Dans Avishka, si vous plissez les yeux correctement et tombez dans un état de Nirvana, vous pouvez voir comment une grille non linéaire à trois couches et deux entrées ratisse les données d'entrée (les séries de prix) en essayant d'y trouver des modèles cachés. Et, en effet, elle le trouve.

P.S. Vous ne devez pas le prendre au sérieux.

Et avant, comme je m'en souviens maintenant, dans la petite salle du cinéma Oktyabr, ils donnaient des lunettes spéciales...

[Dmitriy]

Est-ce que ce sont encore des dessins humoristiques d'une société de neuro-packaging ?

[Neutron]

Nan, ce sont mes dessins animés. Je les ai inventés moi-même, ou plutôt c'est elle (NS) qui a trouvé comment diviser les deux signaux d'entrée en Achat et Vente.

[Dmitriy]

Neutron >> :
Nan, ce sont mes dessins animés. Je les ai inventés moi-même, ou plutôt il (NS) a inventé comment diviser deux signaux d'entrée en Achat et Vente.

>> S'agit-il d'une quantification des entrées, comme dans le SOM, ou d'un autre type de SN ?

[Evgeniy Trofimov]

Pourquoi deux graphiques ?

[Neutron]

C'est pour la stéréo. C'est vraiment une image tridimensionnelle.

budimir писал(а) >>

>> S'agit-il d'une quantification des données d'entrée comme dans le SOM, ou d'un autre type de NS ?

Il s'agit d'un perseptron conventionnel à trois couches avec un biais et une non-linéarité dans chaque neurone, entièrement réentraîné à chaque barre.

[Dmitriy]

S'il s'agit d'un Perspectron ordinaire à trois couches, pourquoi devrait-il être complètement ré-entraîné sur CHAQUE barre ?

[Neutron]

Je peux vous poser une question ?

Si c'est possible, pourquoi pas ?

[Dmitriy]

La possibilité existe, mais il existe des types spéciaux de NS, où il est nécessaire d'effectuer une formation à chaque barre, comme pour le type NS MLP,

Il doit y avoir des critères pour que les MLP doivent être entièrement réentraînés à CHAQUE barre,

et un tel critère - qu'il existe une telle possibilité - est discutable.

[Neutron]

En engageant ce dialogue, nous résolvons inconsciemment différents problèmes d'optimisation (au sens global). Je ne peux que deviner l'approche que vous avez choisie. En ce qui concerne le mien, je peux dire qu'à ce stade de la recherche, je dispose d'une puissance de calcul suffisante pour ne pas me limiter par le paramètre "complexité de la formation NS". Évidemment, il n'y a pas de mal à recycler (formation supplémentaire) les SN à chaque étape. Ainsi, je peux concentrer mon attention sur d'autres aspects intéressants de l'IA en réduisant d'une unité la dimensionnalité de l'espace des paramètres dans le domaine étudié. Je pense que, dans ce sens, je me porte à merveille.