Discussione sull’articolo "Reti neurali: dalla teoria alla pratica" - pagina 5
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Cercherò di separare i concetti di "fitting" e "training".
Fitting - selezione dei parametri del modello per adattarlo al processo modellato. Si può fare un'analogia: "apprendimento a memoria".
Apprendimento - il processo di conoscenza del processo da parte del modello, che comprende la memorizzazione delle "regole" e delle "eccezioni alle regole" allo scopo di poter trarre ulteriori conclusioni sulla base delle informazioni sconosciute in arrivo. Nell'addestramento NS, la parte di convalida del campione di addestramento viene utilizzata a questo scopo.
Pertanto, possiamo dire che il NS dell'Expert Advisor dell'articolo è stato adattato piuttosto che addestrato, così come tutti gli Expert Advisor ottimizzati nel tester. La funzionalità dell'ottimizzatore non è sufficiente per l'addestramento degli EA (con o senza NS) (anche se esiste un test di avanzamento, ma significa che si seleziona solo quello che supera il test di avanzamento).
Yedelkin:
................., e il termine "allenamento" ha assunto un nuovo significato altamente specializzato, ovvero: l'allenamento è la consueta selezione (adattamento) dei parametri .
Qualsiasi attività ciclistica (giocare a badminton, ecc.) viene appresa adattando i parametri delle proprie reti neurali.
La copiatura (apprendimento a mano) è un modo molto più primitivo di "imparare". // Compreso l'apprendimento delle definizioni dei dizionari.
Tra l'altro, nessuno impara una lingua (lingua madre) dai dizionari, si impara "adattandola".
MetaDriver: Отнюдь не новый. Любой езде на велосипеде / игре в бадминтон обучаются путём подгонки параметров собственных нейросеток.
...A proposito, nessuno impara una lingua (la lingua madre) dai dizionari, la impara "adattandola".
Splendido esempio di spiegazione di fenomeni ordinari con l'aiuto di termini altamente specializzati :)
Mi viene in mente questo:
Resta solo da aggiungere che i dizionari non servono per l'apprendimento a memoria e per "imparare le definizioni dei dizionari", ma per riflettere i significati delle parole che sono considerati generalmente accettati.
Esiste una via d'uscita da questa situazione? Dobbiamo scrivere i nostri algoritmi di apprendimento? Spero che gli articoli su MQL5 lo contengano già.
C'è già qualcosa sugli algoritmi di ottimizzazione, sì. Sugli algoritmi di apprendimento, no.
E non ci sono articoli sui metodi di selezione delle varianti più ottimali dal numero totale di esecuzioni (anche nel tester standard).
Esiste già qualcosa sugli algoritmi di ottimizzazione, sì. Sugli algoritmi di apprendimento, no.
E non ci sono articoli sui metodi di selezione delle varianti più ottimali dal numero totale di esecuzioni (anche nel tester standard).
Un meraviglioso esempio di spiegazione di fenomeni ordinari con termini altamente specializzati :)
Ispirato:
L'unica cosa che resta da aggiungere è che i dizionari non vengono utilizzati per l'apprendimento a memoria e per imparare le "definizioni del dizionario", ma per riflettere i significati delle parole che sono considerati generalmente accettati.
Oh, per cosa non si usano solo...! Qui sul nostro forum preferito si usano soprattutto per pisciarsi in testa a vicenda con loro.........
;)
In generale, un modello matematico di qualsiasi processo o fenomeno è una descrizione in linguaggio matematico delle leggi a cui questo processo o fenomeno obbedisce. Ma il controllo di questo processo con l'aiuto di parametri può essere chiamato adattamento. La matematica è una scienza esatta, quindi le definizioni devono essere esatte.
In generale, un modello matematico di qualsiasi processo o fenomeno è una descrizione in linguaggio matematico delle leggi a cui questo processo o fenomeno obbedisce. Ma il controllo di questo processo con l'aiuto di parametri può essere chiamato adattamento. La matematica è una scienza esatta, quindi le definizioni devono essere esatte.
Le "leggi" sono già modelli. Esistono solo nella testa.
I processi reali non obbediscono a nessuna legge ))
Cari relatori.
Naturalmente, non sono contrario a discutere le sottigliezze delle reti neurali in questo thread, ma in origine l'articolo era pensato per i principianti. Omette alcuni dettagli, perché proprio questi dettagli sono in grado di confondere un neofita delle reti neurali. Naturalmente, l'articolo non specifica i vari metodi di addestramento (fitting) delle reti neurali, ma non è necessario nella fase iniziale. Se vi rendete conto che le reti neurali non sono poi così difficili, non è una scusa per allontanarvi e dire "questo è molto difficile e non fa per me". Se ne sapete di più - è fantastico, allora l'articolo probabilmente non fa per voi.
Per quanto riguarda l'autoapprendimento, è possibile che durante il processo di moderazione siano state apportate modifiche che non erano presenti nella versione originale. Al momento la fonte dell'articolo non è a portata di mano, ma appena possibile controllerò che non ci siano errori di questo tipo.
Dopo aver riflettuto un po', si è deciso di scrivere la seconda parte dell'articolo.
Al momento la seconda parte riguarderà il lavoro con le reti neurali multistrato.
Se avete dei desideri in merito al suo contenuto - per favore, scriveteli brevemente.
Le idee che riesco a trasmettere con le dita saranno descritte nell'articolo.
Grazie.