記事"Neural Networks: From Theory to Practice"についてのディスカッション - ページ 2

[Andrey Dik]

alexeymosc:

重要なのは、ご存知のようにNSがどんな関数でも学習し、それを成功させるためには、サンプル外のデータの範囲が学習範囲内でなければならないということです。

実際、私が言っていたのはまさにそのことだ。範囲外であれば、答えは間違ってしまいます。だから、掛け算の1～9の表は教えることができても、整数直線上の掛け算全般は教えることができないのです。

[Alexey Burnakov]

joo:
実は、私が言いたかったのはまさにそれなんだ。範囲から外れると、答えは間違ってしまう。だから、掛け算の1～9の表は教えることができても、整数直線上の掛け算全般、いや、それは「卵をおいしく焼く」という技の範疇のものだと言っているのです。

そう、残念ながら現代のNSは、教える範囲とは異なる範囲の入力には対応できないのだ。もしかしたら、それを扱えるカスタム・アーキテクチャがあるかもしれませんが、非線形関数を持つ多層パーセプトロンは間違いなく無理です。

特にあなたには）

この場合、検証サンプルデータは入力も出力もNSが学習した範囲外でした。また、テストサンプルのデータも学習サンプルの範囲外です。検証は201番目のケースから始まります。誤差が指数関数的に増加し始めるのがわかるだろう。そして、サンプルの平均二乗誤差は上部の黄色でハイライトされています。肉眼ですべてを見ることができます。

[Igor Makanu]

NSの議論は1つのトピックにまとめたほうがいいのでは？こちらは何の変哲もないトピックだが、タイトルはhttps://www.mql5.com/ru/forum/8158。

[Dmitriy Parfenovich]

ありがたいお言葉とご批判をありがとう。

[Yedelkin]

ニューラルネットワークは、人間の神経系、すなわち神経系が学習 し エラーを修正する能力を 再現しようとする試みに基づく人工知能研究の一分野である......。

私には理解できない。ニューロアドバイザーの自己学習は具体的にどのように行われるのか？言い換えれば、プログラムはどのようにして重み付け係数を変更するのでしょうか？ 。

[Stanislav Korotky]

joo:
実は、私が言いたかったのはまさにそれなんだ。範囲を外れると答えが間違ってしまう。だから、掛け算の1～9の表は教えられるけど、整数直線上の数の掛け算全般は......いや、「おいしい卵を焼く」という技の範疇のものだと言っているんです。

さて、この問題は変数を変換することで解決することがある。例えば、乗算の場合、入力された数字をビットの2進数列として表現する、つまり実際に[0,1]の範囲に変換すれば、おそらく任意の数の乗算をリカレントグリッドで教えることができるだろう。

[Stanislav Korotky]

Yedelkin:

理解できない。ニューロアドバイザーの自己学習は具体的にどのように行われるのですか？言い換えれば、プログラムはどのように重み係数を変更するのですか？

これは標準的な遺伝的最適化アルゴリズムによって行われます。このグリッドの実装には、学習アルゴリズムは含まれていません。これは便利な単純化だと考えることができます。しかし、どのような単純化もそうであるように、グリッド構造と学習原理を実際に制限することで能力に影響を与えます。特に、オンラインのExpert Advisorでこのようなトレーニングを実行することは不可能です（少なくとも、オプティマイザーがMQL5 APIに実装されるまでは）。

[Yedelkin]

marketeer: これは標準的な遺伝的最適化アルゴリズムによって行われる。

つまり、ニューロアドバイザーの本格的な動作（自己学習）のためには、プログラムコードに「標準的な遺伝的最適化アルゴリズム」を組み込む必要があるということですか？そのようなアルゴリズムの既製の実装がパブリックドメインにあるのでしょうか？

[yu-sha]

Yedelkin:
つまり、ニューロアドバイザーの本格的な動作（自己学習）のためには、プログラムコードに「標準的な遺伝的最適化アルゴリズム」を組み込む必要があるのでしょうか？そのようなアルゴリズムの既成の実装はパブリックドメインにあるのでしょうか？

http://lancet.mit.edu/ga/- マサチューセッツ工科大学

[Stanislav Korotky]

Yedelkin:
つまり、ニューロアドバイザーの本格的な動作（自己学習）のためには、プログラムコードに「標準的な遺伝的最適化アルゴリズム」を組み込む必要があるのでしょうか？ そのようなアルゴリズムの既成の実装がパブリックドメインにあるのでしょうか？

いいえ、もちろんありません！なぜなら、このアルゴリズムはすでにオプティマイザに組み込まれているからです。グリッド重みはそれ自体で最適化されます。quaternaryの サイトの記事を読めば、このアプローチでグリッドがどのように最適化＝学習されるかがわかるかもしれない。