Discussão do artigo "Redes neurais: Da teoria à prática" - página 5
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Tentarei separar os conceitos de "ajuste" e "treinamento".
Ajuste - seleção dos parâmetros do modelo para adequá-lo ao processo modelado. Pode-se fazer uma analogia - "aprendizagem mecânica".
Aprendizado - o processo de cognição do processo pelo modelo, que inclui a memorização de "regras" e "exceções às regras" com o objetivo de possibilitar mais conclusões com base nas informações desconhecidas recebidas. No treinamento de NS, a parte de validação da amostra de treinamento é usada para essa finalidade.
Portanto, podemos dizer que o NS no Expert Advisor do artigo é ajustado em vez de treinado, assim como qualquer Expert Advisors otimizado no testador. A funcionalidade do otimizador não é suficiente para treinar EAs (com ou sem NS) (embora haja um teste avançado, mas isso significa apenas que selecionamos aquele que passa no teste avançado).
Yedelkin:
................., e o termo "treinamento" ganhou um novo significado altamente especializado, a saber: treinamento é a seleção (ajuste) usual de parâmetros .
Qualquer ciclismo (jogar badminton, etc., etc.) é aprendido por meio do ajuste de parâmetros das próprias redes neurais.
A cópia (aprendizagem mecânica) é uma forma muito mais primitiva de "aprender". // Incluindo aprender definições de dicionário.
A propósito, ninguém aprende um idioma (idioma nativo) com dicionários, eles aprendem "encaixando".
MetaDriver: Отнюдь не новый. Любой езде на велосипеде / игре в бадминтон обучаются путём подгонки параметров собственных нейросеток.
...A propósito, ninguém aprende um idioma (idioma nativo) com dicionários, eles o aprendem "encaixando".
Exemplo maravilhoso de explicação de fenômenos comuns com a ajuda de termos altamente especializados :)
Estou me lembrando disso:
Resta acrescentar que os dicionários não servem para aprendizagem mecânica e "aprender definições de dicionário", mas para refletir os significados das palavras que são consideradas geralmente aceitas.
Existe uma maneira de sair dessa situação? Devemos escrever nossos próprios algoritmos de aprendizado? Espero que os artigos sobre MQL5 já contenham isso.
Já existe algo sobre algoritmos de otimização, sim. Sobre algoritmos de aprendizado, não.
E não há artigos sobre métodos de seleção das variantes mais ideais a partir do número total de execuções (inclusive no testador padrão).
Já existe algo sobre algoritmos de otimização, sim. Sobre algoritmos de aprendizado, não.
E não há artigos sobre métodos de seleção das variantes mais ideais a partir do número total de execuções (inclusive no testador padrão).
Um exemplo maravilhoso de explicação de fenômenos comuns usando termos altamente especializados :)
Inspirado:
A única coisa que resta a acrescentar é que os dicionários não são usados para aprendizagem mecânica e para aprender "definições de dicionário", mas para refletir os significados das palavras que são consideradas geralmente aceitas.
Ah, para o que eles não são usados apenas...! Aqui em nosso fórum favorito, eles são usados principalmente para mijar na cabeça dos outros com eles.........
;)
Em termos gerais, um modelo matemático de qualquer processo ou fenômeno é uma descrição em linguagem matemática das leis às quais esse processo ou fenômeno obedece. Mas o controle desse processo com a ajuda de parâmetros pode ser chamado de ajuste. A matemática é uma ciência exata, portanto, as definições devem ser exatas.
Em termos gerais, um modelo matemático de qualquer processo ou fenômeno é uma descrição em linguagem matemática das leis às quais esse processo ou fenômeno obedece. Mas o controle desse processo com a ajuda de parâmetros pode ser chamado de ajuste. A matemática é uma ciência exata, portanto, as definições devem ser exatas.
As "leis" já são modelos. Elas existem apenas na cabeça.
Os processos reais não obedecem a nenhuma lei ))
Prezados palestrantes.
É claro que não me oponho a discutir as sutilezas das redes neurais neste tópico, mas, originalmente, o artigo foi planejado para iniciantes. Ele omite alguns detalhes, porque esses mesmos detalhes podem confundir um networkista neural novato. É claro que o artigo não especifica vários métodos de treinamento (ajuste) de redes neurais, mas isso não é necessário no estágio inicial. Se você perceber que as redes neurais não são tão difíceis assim, isso não lhe dará uma desculpa para se afastar e dizer "isso é muito difícil e não é para mim". Se você sabe mais, isso é ótimo, então o artigo provavelmente não é para você.
Com relação ao estudo autônomo, é possível que durante o processo de moderação tenham sido feitas alterações que não estavam na versão original. No momento, a fonte do artigo não está disponível, mas, assim que possível, verificarei se há erros dessa natureza neste artigo.
Após alguma reflexão, foi decidido escrever a segunda parte do artigo.
No momento, a segunda parte abordará o trabalho com redes neurais multicamadas.
Se tiver alguma dúvida sobre o conteúdo do artigo, escreva-a brevemente.
As ideias que eu conseguir transmitir com meus dedos serão descritas no artigo.
Muito obrigado.