記事「ニューラルネットワークが簡単に（第22部）：回帰モデルの教師なし学習」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「ニューラルネットワークが簡単に（第22部）：回帰モデルの教師なし学習」はパブリッシュされました:

モデルと教師なし学習アルゴリズムの研究を続けます。今回は、回帰モデルの学習に適用した場合のオートエンコーダの特徴について提案します。

モデルテストのパラメータは同じでした（EURUSD、H1、過去15年、指標のデフォルト設定）。エンコーダに過去10回分のローソク足に関するデータを入力します。デコーダは、過去40個のローソク足をデコードするように訓練されます。テスト結果は下のチャートのとおりです。新しいローソク足の形成が完了するたびに、エンコーダにデータが入力されます。

RNN オートエンコーダ訓練結果

このチャートからわかるように、回帰モデルの教師なし事前学習において、この手法が有効であることが確認されましました。モデルのテスト訓練では、20回の訓練エポックの後、モデルの誤差は9%以下の損失率でほぼ安定しました。また、少なくとも過去30回の繰り返しに関する情報は、モデルの潜在的な状態に保存されます。

作者: Dmitriy Gizlyk

新しいコメント