Redes neurais híbridas. - página 20
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
MSE
Estranhamente, quando comecei a aplicar esta mesma ferramenta ao forex com a MSE, ela não funcionou. Você tem que aplicar um erro completamente diferente, penso eu.
Estranhamente, quando comecei a aplicar esta mesma ferramenta ao forex com a MSE, ela não funcionou. Você tem que aplicar um erro completamente diferente, penso eu.
OK, qual deles? No caso de aprender com um professor, eu acho que MSE é suficiente.
OK, qual deles? No caso de aprender com um professor, eu acho que MSE é suficiente.
Estou pensando sobre isso. Mas eu sei com certeza que a MSE não é boa. Pelo menos para mim, pela razão acima mencionada. Acredito que para uma rede neural o professor (regra) é um erro, porque é um aproximador universal, devemos de alguma forma determinar a extensão desta aproximação, a qualidade da aproximação, levando em conta o rendimento do mercado, para levar a série a uma forma mais estacionária, por assim dizer. Se você tiver algumas idéias sobre isto, podemos discutir.
Estou pensando sobre isso. Mas eu sei com certeza que a MSE não é boa. Pelo menos para mim, pela razão mencionada acima. Acredito que para uma rede neural o professor (regra) é um erro, porque é um aproximador universal, é necessário de alguma forma determinar o grau desta aproximação, a qualidade da aproximação, levando em conta os resultados do mercado, para levar a série a uma forma mais estacionária. Se você tiver algumas idéias sobre isto, podemos discutir.
Se um número pudesse ser levado a uma forma estacionária, eu acho que não haveria forex como tal :)
Em resumo, as pessoas já tiveram exemplos de aplicações bem sucedidas de redes neurais, precisamos trabalhar nisto de forma ainda mais curta.
Em resumo, as pessoas já tiveram exemplos de aplicações bem sucedidas de redes neurais, precisamos trabalhar nisto de forma ainda mais curta.
Por que tem havido, há. Se a memória me serve corretamente em 2007, melhor ganhou com uma NS probabilística.
A tarefa da rede era prever o movimento do curso.
Por que havia, há. Se a memória me serve corretamente em 2007, é melhor ganhar só com um NS probabilístico
A tarefa da rede era prever o movimento do curso.
Sim, eu li isso. A rede probabilística tem um grande problema, ela é sensível ao ruído nos dados. Em termos simples, ele tem pouco empirismo ao contrário do BackProp e outros métodos iterativos.
A rede probabilística tem um grande problema, ela é sensível ao ruído nos dados.
Você pode explicar melhor isso? Acho que já vi pontos de vista diferentes na literatura.
O VNS é menos sensível ao ruído nos dados, em relação a métodos similares (por exemplo, k-NN), mas em relação ao MLP e métodos similares, é provável que o quadro seja invertido...
Você pode explicar melhor isso? Acho que já vi pontos de vista diferentes na literatura.
E qual é o parâmetro a ser ajustado ali? Sigma? Como você irá ajustá-lo? Como você encontra a solução ideal? Estas são perguntas que não são muito claras para mim. Outra coisa é que para o MLP apenas o tipo de erro é um parâmetro essencial, mas insisto nele. É claro que o MLP fica preso no mínimo local e há métodos para combatê-lo. Em qualquer caso, a solução ideal para o MLP pode ser encontrada não através de encontrar no mínimo global para muitas tarefas. Se você tem algo trabalhando com a PNN, isso é muito bom.