記事: ニューラルネットワークによる価格予測 - ページ 12 1...567891011121314151617 新しいコメント Neutron 2008.04.12 11:38 #111 もう一つ、NSの最適なシナプスの数についても議論することができます。一般的な考察から、あまり多すぎるとNSが過剰に学習してしまうことは明らかである。しかし、その数が少なければ、ネットワークの学習が不十分になってしまいます。このテーマについて、私は文献でさまざまな意見に出会いましたので、尊敬するフォーラムの皆さんのご意見を伺いたいと思います。 RIP 2008.04.12 12:11 #112 Neutron: もう一つ、NSの最適なシナプスの数についても議論することができます。一般的な考察から、あまり多すぎるとNSが過剰に学習してしまうことは明らかである。しかし、その数が少なすぎると、ネットワークが十分に訓練されないということもあります。このテーマについて、私は文献でさまざまな意見に出会いましたので、尊敬するフォーラムのユーザーの意見を知りたいと思います。 シナプスの数は、ネットワークの教示性に強く影響する。ネットワークのトポロジーを考慮した学習方法の開発に何度か挑戦しましたが、失敗しました。 Neutron 2008.04.12 14:09 #113 よし、でも理論が欲しいな。 ここで、その理由を声高に主張します。入力数Nの単層NSでは、非線形方程式の一般的な場合、その重みがシステムNを一意に決定するN個のシナプスがある。このようなシステムを解くには、それぞれがN個の要素からなるN個のベクトルの学習サンプルが必要であることは明らかである。この場合、それ以外の方法は使えません。2層のNSでは、入力の数は学習ベクトルの総数N×nより小さくなければならない。nは2層のシナプスの数であるから、学習ベクトルの長さはN-nとなる。 3層構造のNSの場合も、推論の順序は同じである。 このように 1.必要な没入感の深さから進めていき、NSの入力の次元を決定する。 2.そして、NSのアーキテクチャ（層数）を考慮し、シナプスの数を数え、最適な学習サンプルの大きさを求める。 Сергей Мурзинов 2008.04.12 14:29 #114 最も重要なことの一つは（私の意見では）データの準備で、これを行うには 1.入力の相関を減らすようにする。言い換えれば、入力はできるだけ統計的に独立したものであるべきである。 2.入力ベクトルの正規化において、エントロピーを増大させる必要があり、それによって、同じ量の入力データを保持しながら、NSに提出される情報量を増大させる。 Kolmogorov-Smirnov法または/およびHurst指数によるデータ品質のチェックが義務付けられています。 ネットワークアーキテクチャの選択により、誤差を減らすことができます。 Neutron 2008.04.12 14:45 #115 入力のブリーチングとノーマライジングは簡単です。初歩的なことですが。しかし、最適な入力数（没入感の深さ）はどのように決めればいいのでしょうか。実験的にしかできないことなのでしょうか？このテーマについては、いくつかの考察があります。入力数に局所最適があることを示すことができる。少数であってはならないが、多数であってはならない。原則として、3～5入力が最適です。この点については、理論的にはどうなのでしょうか。 Сергей Мурзинов 2008.04.12 15:12 #116 Neutron: 入力のブリーチングとノーマライジングは自明である。初歩的なことですが。しかし、最適な入力数（没入感の深さ）はどのように決めればいいのでしょうか。実験的にしかできないことなのでしょうか？このテーマについては、いくつかの考察があります。入力数に局所最適があることを示すことができる。少数であってはならないが、多数であってはならない。原則として、3～5入力が最適です。この点については、理論的にはどうなのでしょうか。 理論的には--直感的に、つまり実験的にしかわからない。メインは情報性です。 Neutron 2008.04.12 15:29 #117 言っていることは悲しいことです。 問題の大きさ（グローバル）は、残念ながら、最適なNSパラメータの問題に合理的な時間で満足のいく答えを出すことを許さない。知性を含めて、基準を産み出そうか。 総じて、ネットワークの仕事は魅力的です試しに、入力が4つで、出力に非直線性のない小さな（1層の）網を投げてみた。 入力に目盛りをつけて、目盛り ごとに再トレーニングし、1目盛先の予測をする。やばい、予測してる!写真では、赤がティッカー、青が予測です。 もちろん、予測のために選択された系列が、舗道を歩く2本の指のような単純なものであることは理解していますが、ネットワークは初歩的なものです。 Сергей Мурзинов 2008.04.12 19:09 #118 私はNeuroSolutionsで働いていますが、ネットワークのディメンションと潜水深度のオプションがあります。 ICQにベター (プロフィールを見る) Neutron 2008.04.13 03:01 #119 なぜ、そうなるのか」を徹底的に理解しないと、良い結果を得ることはできないのです。ですから、私は自分で一から作ることを好みますし、その方が結果的に良いものになります。 Ulterior 2008.04.13 17:56 #120 翻訳が必要です。 このような場合、「このような場合、どのようにすればよいですか？U menia vopros vam, otnositelno neironnix setej. Procitav ves topic forum, mne bole menee jasno kemu vse klonitsia ispolzuja neironnije seti, i potomu voprosi, dumaju, bole konkretnije. ダニエレ 1。odinakovim cislom parametrov na konkretnij slucajとkucia信号があります。- エトカクビクソドネイロセティ 2.結果がある-セリイ・クソロソ/プロクソである。 Itak - それは可能です、ispolzuja neiroset poluchit otvet neiroseti v buduscem po etoj modeli - novije dannije - otvet - xorosoまたはploxo?NNはどのようなスキームなのですか？ このような場合、信号の種類に関係なく、信号の種類を選択することができます。 Article: Price forecasting with 1...567891011121314151617 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
もう一つ、NSの最適なシナプスの数についても議論することができます。一般的な考察から、あまり多すぎるとNSが過剰に学習してしまうことは明らかである。しかし、その数が少なすぎると、ネットワークが十分に訓練されないということもあります。このテーマについて、私は文献でさまざまな意見に出会いましたので、尊敬するフォーラムのユーザーの意見を知りたいと思います。
シナプスの数は、ネットワークの教示性に強く影響する。ネットワークのトポロジーを考慮した学習方法の開発に何度か挑戦しましたが、失敗しました。
よし、でも理論が欲しいな。
ここで、その理由を声高に主張します。入力数Nの単層NSでは、非線形方程式の一般的な場合、その重みがシステムNを一意に決定するN個のシナプスがある。このようなシステムを解くには、それぞれがN個の要素からなるN個のベクトルの学習サンプルが必要であることは明らかである。この場合、それ以外の方法は使えません。2層のNSでは、入力の数は学習ベクトルの総数N×nより小さくなければならない。nは2層のシナプスの数であるから、学習ベクトルの長さはN-nとなる。
3層構造のNSの場合も、推論の順序は同じである。
このように
1.必要な没入感の深さから進めていき、NSの入力の次元を決定する。
2.そして、NSのアーキテクチャ（層数）を考慮し、シナプスの数を数え、最適な学習サンプルの大きさを求める。
最も重要なことの一つは（私の意見では）データの準備で、これを行うには
1.入力の相関を減らすようにする。言い換えれば、入力はできるだけ統計的に独立したものであるべきである。
2.入力ベクトルの正規化において、エントロピーを増大させる必要があり、それによって、同じ量の入力データを保持しながら、NSに提出される情報量を増大させる。
Kolmogorov-Smirnov法または/およびHurst指数によるデータ品質のチェックが義務付けられています。
ネットワークアーキテクチャの選択により、誤差を減らすことができます。
入力のブリーチングとノーマライジングは簡単です。初歩的なことですが。しかし、最適な入力数（没入感の深さ）はどのように決めればいいのでしょうか。実験的にしかできないことなのでしょうか？このテーマについては、いくつかの考察があります。入力数に局所最適があることを示すことができる。少数であってはならないが、多数であってはならない。原則として、3～5入力が最適です。この点については、理論的にはどうなのでしょうか。
入力のブリーチングとノーマライジングは自明である。初歩的なことですが。しかし、最適な入力数（没入感の深さ）はどのように決めればいいのでしょうか。実験的にしかできないことなのでしょうか？このテーマについては、いくつかの考察があります。入力数に局所最適があることを示すことができる。少数であってはならないが、多数であってはならない。原則として、3～5入力が最適です。この点については、理論的にはどうなのでしょうか。
理論的には--直感的に、つまり実験的にしかわからない。メインは情報性です。
言っていることは悲しいことです。
問題の大きさ（グローバル）は、残念ながら、最適なNSパラメータの問題に合理的な時間で満足のいく答えを出すことを許さない。知性を含めて、基準を産み出そうか。
総じて、ネットワークの仕事は魅力的です試しに、入力が4つで、出力に非直線性のない小さな（1層の）網を投げてみた。
入力に目盛りをつけて、目盛り ごとに再トレーニングし、1目盛先の予測をする。やばい、予測してる!写真では、赤がティッカー、青が予測です。
もちろん、予測のために選択された系列が、舗道を歩く2本の指のような単純なものであることは理解していますが、ネットワークは初歩的なものです。
私はNeuroSolutionsで働いていますが、ネットワークのディメンションと潜水深度のオプションがあります。
ICQにベター (プロフィールを見る)
翻訳が必要です。
このような場合、「このような場合、どのようにすればよいですか？U menia vopros vam, otnositelno neironnix setej.
Procitav ves topic forum, mne bole menee jasno kemu vse klonitsia ispolzuja neironnije seti, i potomu voprosi, dumaju, bole konkretnije.
ダニエレ
1。odinakovim cislom parametrov na konkretnij slucajとkucia信号があります。- エトカクビクソドネイロセティ
2.結果がある-セリイ・クソロソ/プロクソである。
Itak - それは可能です、ispolzuja neiroset poluchit otvet neiroseti v buduscem po etoj modeli - novije dannije - otvet - xorosoまたはploxo?NNはどのようなスキームなのですか？
このような場合、信号の種類に関係なく、信号の種類を選択することができます。