Réseau neuronal - page 10

Nouveau commentaire
 
Beaucoup de personnes argumentent sur le fait que le réseau cherche et apprend des règles, à partir d'une variété de règles d'entrée qui fonctionneront pour le profit...... J'ai une autre question.... Est-il possible, ou plutôt, comment apprendre au réseau à travailler par des règles toutes faites ? ......Passons en revue le système de canaux......Il n'est pas important de savoir comment ou dans quelles circonstances le canal est construit. Comment apprendre à un réseau à travailler à l'intérieur d'un canal ou sur sa percée ?????? Well neural network minds......Que pouvez-vous suggérer à ce sujet ? Prenez au moins un réseau sans enseignant.....Rekur, par exemple. Comment préparer les entrées pour que le réseau comprenne ce qu'on attend de lui ? s'il a à l'origine un canal qui change dans le temps........
 
nikelodeon >>:
Многие рассуждают о том чтобы сеть искала и учила правила, из многообразия правил входов, которые будут работать на прибыль......У меня другой вопрос....Возможноли, вернее, как научить сеть работать по готовым правилам?......Возмём канальную систему......Неважно как и при каких обстоятельствах строится канал. Как научить сеть работать внутрь канала или на его пробитии?????? Ну нейросетевые умы......что можете предложить по этому поводу?. Взять хотябы сеть без учителя.....Рекур, например. Как подготовить входы так, чтоб сеть поняла что от неё требуеться? если изначально имееться меняющийся со временем канал........

Si nous disposons de règles toutes faites, pourquoi diable avons-nous besoin d'un réseau neuronal ?!

La question est rhétorique, pas besoin de répondre.

 

En ajoutant une entrée, sous la forme d'un démolisseur, vous pouvez augmenter la rentabilité du système...... Le réseau calculera quelles percées sont fausses ou vraies, quelque chose comme ça........

 
nikelodeon писал(а) >>

En ajoutant une entrée, sous la forme d'un démolisseur, vous pouvez augmenter la rentabilité du système...... Le réseau calculera quelles pannes sont fausses et lesquelles sont vraies, quelque chose comme ça........

Vous semblez surestimer les capacités des réseaux neuronaux.

A votre message du 09.08.2009 21:00.

Un réseau en soi ne peut rien rechercher. Il peut seulement révéler certaines régularités (liens entre les entrées et les sorties ; il est alors possible d'utiliser la "connaissance" accumulée pour calculer les sorties dans une situation sur laquelle le réseau n'a pas été directement entraîné). Autrement dit, la recherche de modèles n'est possible que si et quand ils existent.

J'en viens maintenant à votre message du 09.08.2009 21:56.

Si vous connaissez les régularités sur la pénétration des canaux (votre exemple) - pourquoi utiliser un réseau neuronal alors que vous pouvez les mettre en œuvre plus facilement ? Les réseaux neuronaux sont une approche généralisée ; il est inutile d'utiliser une approche généralisée lorsqu'un cas particulier est incroyablement simple. Les AM peuvent également être introduites dans le règlement. Il doit y avoir une relation entre le comportement de l'AM et les pannes des canaux (et vous devez être capable d'exprimer cette relation). Les réseaux neuronaux ne font pas de miracles par eux-mêmes.

p.s. Je vais donc répondre à votre question : "Est-il possible, ou plutôt, comment apprendre à un réseau à travailler avec des règles toutes faites ?" Oui, c'est possible, si vous avez une compréhension des mathématiques utilisées dans les réseaux neuronaux. D'ailleurs, un réseau neuronal récurrent n'est pas le meilleur exemple. Prenez quelque chose de plus simple (perceptron multicouche sans rétroaction) - c'est fait là sans aucun problème.

 
Bonjour à tous les participants à ce fil de discussion. Je voudrais poser une question aux personnes qui connaissent les NS. Je suis un vrai loser. J'ai récemment créé dans MQL-4 un réseau de rétro-étalement avec une couche cachée. Je l'alimente avec des cotations delta. Je normalise les entrées et sorties des couches du réseau en utilisant sigmoïde-0.5. J'enseigne la direction du mouvement des prix jusqu'à ce qu'une erreur sur un échantillon de test arrête de diminuer. J'ai détecté deux ou trois choses désagréables : 1. Pour une raison quelconque, le réseau ne donne que 2 variantes de sortie. Il est donc impossible de distinguer les signaux faibles des signaux forts. Est-ce une particularité du réseau à 3 couches ? Peut-être devrions-nous augmenter le nombre de couches ? 2. L'erreur RMS est d'autant plus faible que les seuils de sortie supérieur et inférieur sont proches l'un de l'autre. Lorsque les seuils sont égaux, la lecture est d'au moins 0,22. Est-ce normal ?
 
Qu'est-ce que vous lui apprenez ? Si vous lui enseignez deux "options de sortie" - haut et bas, comme je le comprends, il les apprendra. Si vous créez plusieurs neurones à la sortie - c'est-à-dire si vous augmentez le nombre de classes - par exemple les métiers forts, les métiers faibles et un plat, vous pouvez obtenir une prédiction plus détaillée. Une couche cachée est suffisante. Quels sont les seuils ? Le poids du biais n'est pas défini de manière externe, mais est formé de la même manière que les autres poids. Si la fonction d'activation est sigmoïdale, pourquoi avons-nous besoin de seuils ? Avez-vous essayé sans seuils ?
 

voir un exemple des entrées qui alimentent un réseau neuronal. http://www.nnea.net/research/18-neural-network-forecast-indicator



 

Je n'ai pas pu trouver d'entrée là-bas...

 
Burgunsky писал(а) >>
J'ai découvert deux ou trois choses désagréables : 1. Pour une raison quelconque, le réseau ne propose que deux options de sortie. Il semble donc impossible de séparer les signaux faibles des signaux forts. Est-ce une particularité du réseau à 3 couches ? Peut-être est-il nécessaire d'augmenter le nombre de couches ? 2. L'erreur RMS est d'autant plus faible que les seuils de sortie supérieur et inférieur sont proches l'un de l'autre. Lorsque les seuils sont égaux, la lecture est d'au moins 0,22. Est-ce normal ?

Non, ce n'est pas une caractéristique des réseaux à 3 couches, le signal à la sortie du réseau est une fonction continue. Peut-être avez-vous déjà intégré un classificateur à la sortie de la grille, qui donne le signal final, par exemple, si la sortie de la grille est supérieure à 0,5, alors 1, moins de 0, ou si la sortie de la grille est supérieure à 0,5, alors 1, moins de -1.

A propos des seuils, je ne comprends pas encore, vous devriez décrire en détail tout ce que vous avez dans votre algorithme et comment il est construit, ensuite il sera possible de penser aux questions que vous posez....

 
Swetten писал(а) >>

Je ne trouve pas d'entrée là-bas...

Moi non plus... Nous ne pouvons que supposer que les nominaux des carrés dans lesquels le prix a chuté, peut-être d'autres conditions supplémentaires...

Peut-être que MeteQuotes n'a pas vu la publicité du décompilateur...

1...34567891011121314
Nouveau commentaire
Raison: