記事"パーセプトロンニューラルネットワーク"についてのディスカッション

新しいコメント
 

新しい記事 パーセプトロンニューラルネットワーク はパブリッシュされました:

人工知能は、多くの場合、幻想的で複雑で理解できない何かに関連付けられます。 同時に、人工知能は日常生活の中でますます言及されています。 ニューラルネットワークの使用に関する成果に関するニュースは、多くのさまざまなメディアで取り上げられています。 この記事の目的は、誰でもニューラルネットワークを作成し、トレードでAIの成果をあげることを示すためにあります。

Wikipedia では、次のニューラル ネットワーク定義が提供されています。

人工ニューラルネットワーク(ANN)は、動物の脳を構成する生物学的ニューラルネットワークに触発されたコンピューティングシステムです。 ANNは、人工ニューロンと呼ばれる接続されたユニットまたはノードのコレクションに基づいており、生物学的脳のニューロンをゆるやかにモデル化します。

つまり、ニューラルネットワークは人工ニューロンからなるエンティティであり、その中に組織化された関係があります。 これらの関係は、生物学的脳に似ています。

下図は、シンプルなニューラル ネットワーク図を示します。 ここで、円はニューロンを示し、線はニューロン間の接続を視覚化します。 ニューロンは、3つのグループに分かれている層に位置します。 青はインプットニューロンの層を示し、ソース情報のインプットを意味します。 緑と青は出力ニューロンであり、ニューラルネットワークの動作結果を出力します。 その間には、隠れ層を形成する灰色のニューロンがあります。 

シンプルなニューラル ネットワークの例

それにも関わらず、

作者: Dmitriy Gizlyk

 
よくやった、著者！）、
自尊心のあるデータ・サイエンティストなら誰でもそうするはずだ。

残念なのは、この記事にはパフォーマンスを示すような例が一つも載っていないことだ。

視覚的な動作例のないコードもまた、水である...。

結論：記事のための記事...しかし、私は何か面白いものを見たかった。このような、そして新しいバージョンのニューロンは、長い間MQL4、MQL5、C#などで実装されてきた。
 

1 - 記事をありがとうございました。このトピックは、直近の空き時間のために私を魅了しました。

2 - コードがコンパイルできません。どうやら、あなたは自分の開発を単純化した例を書いているようですが、その結果の例を実際にチェックしたわけではなさそうです。少なくとも私が気づいた誤植は表現されていると思う。私はまだ記事を読み終えていない。また、新しいニューロンやその他のものを作成する方法において、プログラミングの観点から、インデックスが以前の値を超えていない場合、過去のものを削除しない、潜在的なゾンビオブジェクトを得る...

3 - 質問。グリッドの重みは合計が1になってはいけないのですよね？

 
もうひとつの疑問は、ニューロトナムとは何なのかということです。ニューロトナムは、レイヤーの中でニューロンを生成するメソッドですが、どこにも宣言されていませんし、なぜニューロンの初期値が3で割った余りから1を引いた値になるのか、そのロジックも明確ではありません。
 
Andrey Azatskiy:

2 - 実装されたネットワークは動作が非常に遅くなる。なぜなら、すべてオブジェクトを通して実装されているからだ。

3 - ネットワークの重みはどのような値にもなり、何にも制限されません。

この場合、ネットワークの各ニューロンの出力は0から1だが、記事ではニューロンの活性化としてタンカンスがあり、その出力は-1から1である。

この記事のもう一つの大きな欠点は、データの準備や正規化などについて一言も述べられていないことである。

 

Daniil Kurmyshev:

2 - 実装されたネットワークは動作が非常に遅くなる。なぜなら、すべてオブジェクトを通して実装されているからだ。さらに、OOPの観点から見ると、ネットワーク・プロジェクトにエラーがあることがわかる。

また、管理者のRenatの投稿を見れば、MQL5でのOOPが手続き型と同じくらい速く動作することがわかるだろう。

記事に関しては、プレゼンテーションは良いが、有用かもしれないが、その内容はこのリソースの記事ですでに何度も取り上げられている。

 

「ニューラルネットワークの 入力に10個の要素からなるデータ配列を与えたい場合、ネットワークの入力層は10個のニューロンを含むべきである。これにより、データセット全体を受け入れることができる。冗長な入力ニューロンはバラストにすぎない。"

いや、そうすべきではない。

 

「隠れ層の数は、入力データと期待される出力の因果関係によって決まる。例えば、"5つの理由 "のテクニックに関連してモデルを構築するのであれば、4つの隠れ層を使用するのが論理的である。

"5つの理由 "とは何か、4つの層はそれと何の関係があるのか？調べてみると、単純な決定木がこの質問に答えている。ユニバーサル近似器は2層のNSで、"why's "の数に関係なく答えてくれる。）他の層は主に複雑な設計におけるデータの前処理に使われる。例えば、多数のピクセルから画像を圧縮し、それを認識する。

「ニューロンの出力は論理的な結果であるため、ニューラルネットワークに 投げかけられる質問には明確な答えが想定される。

出力が単純な加算器でない場合、答えは確率的であると仮定される。

インターネット上には質の高い実装がたくさんあるので、コードを見るのが怖かった）。

 

コンパイルエラー。


 
記事は興味深い。指の上」について説明してください：

1.神経細胞とは何ですか？
2.ニューロンの束とは何ですか？(つまり、2つのニューロン（第1層ニューロンと第2層ニューロン）の間の接続のことです）。

以上、記事を読んで最後まで理解できなかった質問でした。

ありがとうございました。
 
記事のパート2は「人工ニューロンの仕組み」です。間違っていたら訂正してほしい。

ニューロンはいくつかの機能から構成されている：
1.最初の関数は、入力値に重み係数を掛ける。
2.2番目は結果の積をまとめる。
3.3番目は活性化関数の結果の値を計算する。

言葉はわかるが、意味がわからない。
123456789
新しいコメント