Ricerca di un modello arbitrario utilizzando una rete neurale - 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
Peter. Immagino che per lei il termine "matematica" finisca con il suo corso scolastico? Quindi c'è molto di più, compresi gli algoritmi.
Sì, conosco la matematica nel programma scolastico. Una volta ho chiesto a un insegnante della classe di geometria analitica (quella che si occupa di funzioni e assi di coordinate): "Se una funzione costruisce una curva su un grafico, una funzione può essere tracciata da una curva su un grafico?" e ho ottenuto una risposta inequivocabile: "No. È impossibile". Da questo, ho concluso che i modelli possono essere descritti matematicamente ma non possono essere identificati perché non si può ottenere la formula che li ha generati dai valori.
Forse ci sono altri strumenti matematici. Ditemi se lo sapete.Ecco uno sguardo più ampio ai modelli.
https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD
Sì, conosco la matematica nel programma scolastico. Una volta ho chiesto a un insegnante della classe di geometria analitica (quella che si occupa di funzioni e assi di coordinate): "Se una funzione costruisce una curva su un grafico, una funzione può essere tracciata da una curva su un grafico?" e ho ottenuto una risposta inequivocabile: "No. È impossibile". Da questo, ho concluso che i modelli possono essere descritti matematicamente ma non possono essere identificati perché è impossibile derivare una formula che li ha generati dai loro valori.
Forse ci sono altri strumenti matematici. Ditemi se ne conoscete qualcuno.è possibile, a intuito, un metodo tabellare di definizione di una funzione, interpolazione
è possibile, a colpo d'occhio, utilizzare un metodo tabellare per specificare una funzione, interpolazione
Potrei sbagliarmi, ma credo che le reti neurali funzionino così.
Un array di dati è una specie di tabella, dove ogni cella è un neurone che ricorda un valore. Nel processo di "apprendimento" (ricaricamento di nuovi dati), i valori nelle celle vengono aggregati e ridotti a un intervallo. Alla fine, ogni neurone ricorda la gamma di valori ottenuti nel ciclo di caricamento dei dati e produce un "modello" (una matrice con i valori della gamma) che, come modello, viene applicato alla nuova tabella di dati e avviene il "riconoscimento" (se i dati si adattano alle gamme). Detto in modo dilettantesco, ma l'idea è quella. Mi chiedo cosa abbiano da dire gli esperti.
In questo caso, le reti neurali sono ideali per il riconoscimento dei modelli.
Potrei sbagliarmi, ma credo che le reti neurali funzionino così.
Un array di dati è una specie di tabella, dove ogni cella è un neurone che ricorda un valore. Nel processo di "apprendimento" (ricaricamento di nuovi dati), i valori nelle celle vengono aggregati e ridotti a un intervallo.
1. Nel caso generale, la risposta è no
2. come caso speciale, sì, ma dipende dal tipo di NS
1. NS è caratterizzato non dalla "memorizzazione di un neurone" ma dal cambiamento del suo peso - la connessione tra i neuroni, tutto sommato è scritto chiaramente sull'hubra e facile da leggerehttps://habr.com/ru/post/312450/.
2. si tratta molto probabilmente delle reti di Hamminghttps://habr.com/ru/sandbox/43916/
E se hai deciso di fare sul serio, dovrai leggere almeno un libro (per capire che il prossimo libro avrà l'80% di ripetizioni del libro precedente)) ), e almeno capire la differenza tra il compito di classificazione e la regressione per i NS - fondamentalmente tutto è costruito su questo, il resto sono variazioni su questo tema e modi di apprendimento e tipi di NS - non ho studiato profondamente, molte cose che si ripetono ma che cercano di presentare come qualcosa di molto nuovo chiamandolo un nuovo termine... molta confusione, molto rumore ))))
1. in generale la risposta è no
2. come caso speciale, sì, ma dipende dal tipo di NS
1. NS è caratterizzato non da "ricordare un neurone" ma da cambiamenti di peso - comunicazione tra neuroni, in generale è chiaramente scritto su hubra e facile da leggere https://habr.com/ru/post/312450/
2. si tratta molto probabilmente delle reti di Hamminghttps://habr.com/ru/sandbox/43916/
E se hai deciso di fare sul serio, dovrai leggere almeno un libro (per capire che il prossimo libro avrà l'80% di ripetizioni del libro precedente)) ), e almeno capire la differenza tra il compito di classificazione e la regressione per i NS - fondamentalmente tutto è costruito su questo, il resto sono variazioni su questo tema e modi di apprendimento e tipi di NS - non ho studiato profondamente, molte cose che si ripetono ma che cercano di presentare come qualcosa di molto nuovo chiamandolo un nuovo termine... molta confusione e rumore ))))
Grazie, mi è piaciuto il primo articolo, ma non capisco perché la rete improvvisamente funziona così. Descrive tutto in modo semplice, ma non è affatto chiaro di cosa si tratti. Solo informazioni senza alcun esempio reale.
Pesi, neuroni, input e output, nascosto, sinapsi... I valori sono necessariamente tra 1 e 0. Perché è così e non così?
Come si fa ad addestrare una rete su dati il cui tipo non è doppio, e oltre l'intervallo di zero e uno? Come dichiarare un livello? Come impostare il numero di neuroni? Dove caricare i dati?
In breve, non l'ho ancora capito.Grazie, mi è piaciuto il primo articolo, ma non capisco perché la rete improvvisamente funziona così e non altrimenti. È semplice, ma non è chiaro di cosa si tratti. Solo informazioni senza alcun esempio reale.
Pesi, neuroni, input e output, nascosto, sinapsi... I valori sono necessariamente tra 1 e 0. Perché proprio questo e non altrimenti?
Come addestrare la rete sui dati il cui tipo non è doppio, e oltre la gamma di zero e uno? Come dichiarare un livello? Come impostare il numero di neuroni? Dove caricare i dati?
In breve, non l'ho ancora capito.funzione di attivazione di google e normalizzazione della rete neurale
esempiohttps://www.mql5.com/ru/forum/5010#comment_329221 ed è anche sotto alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746
ma bisogna comunque leggere un libro, il trial and error non è un compito facile.
funzione di attivazione di google e normalizzazione della rete neurale
esempiohttps://www.mql5.com/ru/forum/5010#comment_329221 e lo stesso sotto alglib https://www.mql5.com/ru/forum/8265/page2#comment_333746
ma hai comunque bisogno di un qualche libro, le congetture scientifiche non servono.
Ok. Voglio capirlo da solo, e poi leggere il libro. )
L'articolo dice che ci sono tre usi per le reti - Classificazione, Predizione e Riconoscimento. Poi si scopre che il riconoscimento dei pattern di prezzo non dovrebbe essere basato sui dati OCHL, ma sulle schermate dei grafici. Ilriconoscimento con le immagini funziona.
Poi si scopre che il riconoscimento dei modelli di prezzo non dovrebbe essere basato sui dati OCHL, ma sulle schermate dei grafici. Il riconoscimento con le immagini funziona.
esilarante! )))
cos'è uno screenshot?
e cos'è l'OHLC?
nella rappresentazione della macchina!
(Risate!) )))
cos'è uno schermo?
e cos'è l'OHLC?
nella rappresentazione della macchina!
Bene, l'articolo separa le tre applicazioni delle reti. Una cosa è riconoscere dai dati di prezzo, un'altra è riconoscere dai dati di colore. Ancora, approcci e meccanismi completamente diversi.
ZZZ. I modelli di prezzo sono di natura grafica, non matematica. Se si cerca di riconoscerli matematicamente, si rimane bloccati, ma graficamente è facile.