Stereo Neuro Net

 

Em Avishka, se você esguicha seus olhos corretamente e cai em um estado de Nirvana, você pode ver como uma grade de 3 camadas de duas entradas não lineares empurra os dados de entrada (a série de preços) tentando encontrar padrões ocultos nela. E, de fato, ele o encontra.

P.S. Isto não deve ser levado a sério.

Arquivos anexados:
3d_1.zip  1295 kb
 
Neutron >> :

Em Avishka, se você esguicha seus olhos corretamente e cai em um estado de Nirvana, você pode ver como uma grade de 3 camadas de duas entradas não lineares empurra os dados de entrada (a série de preços) tentando encontrar padrões ocultos nela. E, de fato, ele o encontra.

P.S. Você não deve levar isso a sério.

E antes, como me lembro agora, no pequeno salão do cinema Oktyabr, davam copos especiais...

 
Estes são apenas mais desenhos animados de alguma empresa de neuro-embalagens?
 
Não, esses são os meus desenhos animados. Eu mesmo os inventei, ou melhor, ela (NS) descobriu como dividir os dois sinais de entrada em Compra e Venda.
 
Neutron >> :
Não, esses são os meus desenhos animados. Eu mesmo os inventei, ou melhor, ele (NS) inventou como dividir dois sinais de entrada em Compra e Venda.

>> é como quantificação de entrada, como na SOM, ou é algum outro tipo de NS?

 
Por que dois gráficos?
 

Bem, isso é para aparelhos de som. É realmente uma imagem tridimensional.

budimir писал(а) >>

>> é como uma quantização dos dados de entrada como na SOM, ou é algum outro tipo de NS?

É um perseptron convencional de tripla camada com viés e não-linearidade em cada neurônio, totalmente requalificado em cada barra.
 
Se é um Perspectron regular de três camadas, por que ele deveria ser completamente requalificado em TODAS as barras?
 

Posso lhe fazer uma pergunta?

Se é possível, por que não?

 

A possibilidade existe, mas existem tipos especiais de NS, onde é necessário realizar treinamentos em cada bar, como para o NS tipo MLP,

Deve haver alguns critérios para o MLP que precisam ser totalmente requalificados em TODOS os bares,

e tal critério - que existe tal possibilidade - é questionável.

 
Ao participar deste diálogo, estamos subconscientemente resolvendo diferentes problemas de otimização (no sentido global). Que abordagem você escolheu, só posso adivinhar. Sobre o meu posso dizer que nesta fase da pesquisa tenho poder computacional suficiente à minha disposição para não me limitar pelo parâmetro "complexidade do treinamento NS". Obviamente, não há nenhum dano na reciclagem (treinamento adicional) de NS em cada etapa. Assim, posso concentrar minha atenção em outros aspectos interessantes da IA baixando a dimensionalidade do espaço de parâmetros no domínio investigado por um. Penso que, nesse sentido, estou fazendo o melhor.
Razão: