ニューラルネットワークによる任意パターンの探索 - ページ 3

新しいコメント
 
Dmitry Fedoseev:

人間が記述する」と「ニューラルネットワークが数える」は違うと思いますか？

ニューラルネットワークは、依存関係の詳細には触れず、例によって学習させる。

その通りです。まず、そのためにさまざまな「ヘッドショルダー」の例を100500個用意し、その例に基づいて教える必要があります。

実は、価格のパターンは数学で記述できるのです。そのためにNSは必要ないのです。しかし、偽パターンの兆候を見つけようとするのは、まさにNSの仕事である。

 
Dmitry Fedoseev:

人間が記述する」と「ニューラルネットワークが数える」は違うと思いますか？

ニューラルネットワークは、依存関係の詳細には触れず、例によって学習させる。

ドミトリー、もっと詳しく答えてくれ。そう、依存関係の詳細には踏み込まないが、根底にあるのは数学だ。人間の行動の根底にも数学があると私は思う。

 
Aleksey Vakhrushev:

より複雑ですが、1+1=2でもあります。

NS 1+1=2 の場合、ただし、所定の精度で

NSの種類によっては、すべての学習結果が前回の学習結果と同じになるわけではありませんが、学習誤差に等しい精度になります。

NSの基本は数学ではなく、（そう、NSのトレーニングは数学的な計算です）、NSの種類、NSの構造です。活性化関数、あなたはNSの分類や回帰を教えるか...。つまり、NSがこの結果を出したから正しい、あるいは逆にNSが嘘をついている、ということはありえないのです。NSがブラックボックスなのは、あなたがそう呼びたいからではなく、NSがブラックボックスモデルを 採用しているからです

 
Aleksey Vakhrushev:

ドミトリー、もっと詳しく答えてください。そうです、依存関係の詳細には踏み込んでいませんが、根底にあるのは数学です。人間の行動も数学に基づいていると思います。

ニューラルネットワークがどのように使われるのか、少し知っておく必要があります。入力画像があり、出力結果がある。このようなペア（入力画像-出力結果）を一定数以上持つニューロンセットを学習 させる。そして、ある画像がなぜそのような結果になるかは誰も気にせず、ただ経験した事実の集合があるだけです。そして、分析された画像は、学習されたネットワークの入力に供給され、結果は出力で見られる。

 
Dmitry Fedoseev:

ニューラルネットワークがどのように使われるのか、少し知っておく必要があります。入力画像があり、出力結果がある。このようなペア（入力画像-出力結果）を大量に用意し、ニューラルネットワークを学習させる。そして、ある画像がなぜそのような結果になるかは誰も気にせず、ただ経験した事実の集合があるだけです。そして、学習したネットワークは、解析する画像を受け取り、出力で結果を見る。

ここまでで、先生との学習について説明しました。過去のデータを収集し、それをできるだけ正確に記述するような数学的法則（モデル）をネットワークに求めることが可能な場合。しかし、歴史的なデータではなく、多くのパターンを分解し、いわば整理する必要がある場合もあるのです。これらはすべて、異なるネットワークによって行われます。つまり、あるネットワークがパターンを選別し、別のネットワークがその妥当性を定義するという、多階層のAIシステムが設計されているのである。質問：NSがなくても数学的に棚に並べることができるのであれば、なぜ最初のNSが必要なのでしょうか？それよりも、形成されたパターンの真偽を問うもう一つの問いに対する答えの方が、はるかに興味深い。

重要なヒントを与えたい！！！？あなたの目を見ればわかるわ :-)よし、例としてあげよう。

もし、どんなパターンであっても既成事実化（パターン形成）されたと考えるなら、それは相場を分析するための時間を与えてくれるに過ぎません。仮に、パターン形成後の次のバー内で独自の計算を始めるとする。つまり、実はパターンそのものは、計算を行うべき時期だけを教えてくれるのであって、それがどんなパターンなのか、どんな条件で形成されたのか、形成されたときに何が起こったのかは、NSに委ねられているのである。もし、どのパターンも分析のための一瞬しか得られないと仮定すると、10パターンのセットがあれば、より多くの分析用バーを得ることができる。頭肩」用に1つのネット、「三兵」用にもう1つのネット、といった訓練は必要ない。しかし、どのようなパターンであるかをNSに知らせる必要があり、非常にシンプルにできています。

そこで、最低でも買い5パターン、売り5パターンを検出できるようなインジケータを書きました。もちろん、パターンの未来の順番はわからないし、カオス的に現れる。NSは、入力データセットがどのようなパターンを形成しているかを見ているのであって、理論的には、パターンが大きく異なれば、入力データセットもネットが見る程度に大きく異なることになる。しかし、これだけでは不十分で、どういうパターンなのかを強引にネットに伝えたいのです。とても簡単なことなのです。パターンは-5から+5まで符号化され、入力値はデータ変換の最序盤で乗算されます。 乗算はY軸方向にデータが散らばるので、あるパターンのデータを同じ数だけ乗算し、ある距離だけ移動させる。その結果、入力はパターンタイプに依存することになる。それで結局何があるのか。

1.私たちは、パターンを定義し、分析のためのシグナルを形成する基本的なインジケータを記述します。

2. 入力データセットの定義

NSの内部構造、トレーニング方法、エラー解析方法などを決定する。

4.基本インジケータでは、出力変数のバッファを作成します。直近のパターンの結果がわからないことを忘れてはいけない。バッファは、将来の価値がパターンに帰着するようなものでなければならない。学習ファイルを保存すると、最後のパターンを除いたすべてのパターンの結果がわかります。

5.得られたモデルの汎化能力をチェックする方法を考案した。

以上です......。

 

そして、スレッドのタイトルを見て、もう一つ興味深い点が浮かびました。

仮に、私たちが知らないNSを使って任意のパターンを見つけたいとします。質問：パターンそのものがわからないのであれば、何がわかっているのでしょうか？正しいのは、そのパターンに対する反応を知っていること、つまり、どのような条件でそのパターンを探すかを自ら選択することです。 問題の定式化をしよう。

5本のローソク足のうち、次の4本のローソク足でレートが10%以上変化するパターンを見つけること。もちろん、このような履歴を削除し、各ケースの市場反応に先立つ5本のバーだけを含むトレーニングファイルを作成することも可能です。そして、各上昇の前にあるバーには1を、それ以外のバーには-1を表示するようにネットを教えます。学習後、ネットの入力に過去5小節のデータを1小節ずつ送っていき、グリッドが1を示したら、入力には学習時と全く同じパターンかそれに類似したパターンが含まれるようにする。

この方法では、それがどのようなパターンなのか、そのパラメータは何なのかがわからない。なお、入力のバーを5本に制限したのは、この数字が浮遊しているときに、学習時に入力窓も調整すると、最適化結果の 数が何倍にもなり、1000レコードから1000クラスタができるほどすべてのレコードがユニークになるとパターン数が保存データ数になるためである。IMHO!

一定の限界はあるものの、このアプローチもありだと思います。少なくとも覗き見などの致命的なルールは破っていない。

 
先生がいるのといないのとでは、同じものでも見え方が違ってきます。状況や結果を知らなければ、何も教えられないのです。そして、卵を使った神の贈り物、つまり教えや分類は必要ないのです。
 
Dmitry Fedoseev:
先生の有無にかかわらず、同じものを別の視点で見ることができる。状況と結果がわかっていなければ、何も教えられない。そして、卵を使った神の贈り物、つまり教えや分類は必要ないのです。

先生なしで学ぶ場合、普通は結果がわからないものですが、この場合はどうでしょう。

 

Mihail Marchukajtes:

マイケル ニューラルネットワークの仕組みは少し変わっていますね。思い通りにならないんですよね。

 
Mihail Marchukajtes:

教師なしで学習する場合、結果はたいてい未知数ですが、これはどのように機能するのでしょうか。

分類のみ。ネットワークは状況（画像）を区別して学習するが、どのような場合にどうすればよいか、どの画像を何と呼べばよいかはわからない。

12345678910
新しいコメント