記事"MetaTrader 5での自己組織化機能マップ(Kohonenマップ)の使用"についてのディスカッション - ページ 5

新しいコメント
 
sealdo:

フォーラムの皆さん、こんにちは！

とても興味深い記事ですね！私もこのSOMコードを使おうとしています。

どなたか、BMUからの距離を考慮して、BMUの周囲（わかりやすくするために青で囲んだ部分）の結果を簡単に計算する方法を教えていただけませんか？

どなたか解決策を見つけた方はいらっしゃいますか？ちょうど今、この記事を見つけました。私もあなたと一緒に感謝します。そして質問に。
 
Rosh:
Javaの方がコードの実行速度が速いという意味ですか？比較のためにソースを添付してください。
Javaのコードは実行されず（インタープリタされず）、マシン・コードにプリコンパイルされ（JITコンパイル）、その後このマシン・コードが実行される。したがって、純粋なJavaアプリケーションが高速に実行されるのは驚くべきことではありません。
 
Alexey_74:
誰か解決策を見つけましたか？ちょうど今、この記事を見つけました。私も一緒にお礼を言おう。そして質問に。
皆さん、ありがとうございます。解決策が見つかりました。しかも、自分で見つけたのですが、こんなに簡単だったとは...と自分でも驚いています。改めて、記事を書いてくれた著者に感謝します。
 

前回のコメントから5年後のコメント......。

トレーニングセットとコントロールセットの話が見えないのはなぜだろう？記事では、ある種のカラーシステムを使ったヒストリカル分析が挙げられているが、「機械学習」という表現では、キーワードは「訓練」であり、それは将来の期間について取引するために実行される。

要するに、なぜこのような高度なヒストリカル分析を行うのか？最適化を実行し、どの期間、どのシフトがより良くテストされたかを見るのだ。

 
Evgeniy Scherbina:

トレーニングセットとコントロールセットについての話が見えないのはなぜですか？この記事では、ある種のカラーシステムを使った過去の分析が紹介されているが、「機械学習」という言葉のキーワードは「訓練」であり、将来の期間について取引を行うために行われるものである。

この記事のディスカッション（https://www.mql5.com/ja/articles/5473）でも同様の質問をした。

この問題に関する資料を調べたところ、コホーネンマップは単に多次元データを表示するためのものであり、データ分析そのものを目的としたものではない可能性が高い。

 
Igor Makanu:

この記事のディスカッションでも同じような質問をした。https://www.mql5.com/ja/articles/5473

この問題に関する資料を調べたところ、おそらくコホーネンマップは多次元データを表示するためのものであり、データ分析そのものを意図したものではないようだ。

それを読んで、あなた方2人(3人？)は美味しいお菓子を分かち合えなかったようだ。

どのような出版物にもその権利はあると思うが、ここには通常の意味でのニューラルネットワークが何をするのか、つまり「新しい」状況で「新しい」判断を下すという記述はない。あるのは歴史的な分析だけだ。不可解だ。

私はサイモン・ヘイキンを見ているが、そこには良い例がある。そして最後にはタスクがあり、そのタスクの中にフォーキャスト、あるいは私がフォーキャストと呼んでいるものがある。コツをつかんだら、このテーマについてもう少し文章を書くつもりだ。

 
Evgeniy Scherbina:

それを読むと、2人（3人？）はおいしいお菓子を分け合わなかったんだと思う。

そうではなく、改めてNSに戻ることを決意し、コホネンマップという選択肢に行き着き、ググってみたところ（このサイトは検索エンジンのインデックスが非常に充実している）、検索エンジンの提案するすべての資料に接することができた。

私は5年ほど前、理論的な訓練なしにこの種のNSに興味を持ったが、今ではNSに関する知識はかなりの量になっており、コホネンマップに関する資料を勉強し直すと、多くの疑問が生じた。

具体的な質問をしたのだが...。そして、真実を探す代わりに、私は「著者の興味」の擁護に出くわした。それは、なぜかウィキの記事を繰り返し、他の何ものにも裏付けられていない。


Evgeniy Scherbina:

私はサイモン・ヘイキンを見ている。そして最後にはタスクがあり、そのタスクの中にフォーキャスト、あるいは私がフォーキャストと呼んでいるものがある。もしそれがわかったら、本質についてもう少し文章を書くつもりだ。

NSに関する最初の本として、私はすでにこの本を読んだ。


Evgeniy Scherbina:

そして最後にはタスクがあり、そのタスクの中には予測もある。もしそれがわかったら、その本質についてもう少し文章を書くつもりだ。

コホネンマップは何のためにデザインされたものでもない！- コホーネンマップは何のためにデザインされたのでもない。

この種のNSのアイデアは非常に魅力的で、原理は電子部品のデコーダーのようなものだ。

ハミング・ネットワークを テストした。今のところ、私はNSを断念しました。簡単な解決策に取り組み始めました。https://www.mql5.com/ru/forum/307970/page11#comment_12625353。

 

S.オソフスキーの言葉を引用しよう：

「自己組織化ネットワークは、例えば電力系統の負荷予測にもうまく利用できる。この小節では、24時間間隔の電力系統における1時間ごとの負荷予測の問題を解くための詳細を紹介する。

それで問題ない。次に説明するような予測は、一般的にFXの買い、売り、または拒否アクションを予測するための1対1に適しています。

コホーネンカードが予測できなければ、誰もニューラルネットワークとは 呼ばないだろう。

 
Evgeniy Scherbina:

コホーネンのマップが予測できなかったら、誰もニューラルネットワークとは呼ばないだろうと思っていた。

そうではなく、訓練はNSの重みのベクトルを訓練セット上に配置するためにある。その結果、データはクラスタ化されるが、ネットワーク自体の反応は他のデータにはない。


ルートについて名前はKohonen's networkではなく、Self OrganisingMaps(SOM)のようです。


UPD：私は議論を続ける意味がわからない。2回目の議論はWikiに書かれていることに還元され、今度はある「引用者S. Osovsky」が書いたことに還元される。私はフレーズによってサポートされていない私の推論の囚われのままに同意する "SOMコホネン "は予測することができ、その逆 - 彼らはできません

 
Igor Makanu:

NSの重みのベクトルを訓練セット上に配置する訓練があるが、その結果、データはクラスター化されるが、ネットワーク自体の反応は他のデータにはない。


ルートについてはコホネン・ネットワーク（Kohonen network）ではなく、自己組織化マップ（Self Organising Maps：SOM）と呼ばれている。


UPD：私は議論を続ける意味がわからない。2回目の議論はWikiに書かれていることに還元され、今度は「S. Osovskyを引用する」誰かによって書かれたことに還元される。私はフレーズによってサポートされていない私の推論の囚われのままに同意する "SOMコホネン "は予測することができ、その逆 - 彼らはできません

人は常に自分が見たいものを見ている。
123456
新しいコメント