Discussão do artigo "Redes neurais de maneira fácil (Parte 24): Melhorando a ferramenta para transferência de aprendizado"
E, falando sério, "redes neurais são simples" é quando há no máximo dois artigos desse tamanho. Não quando acho que o mt5 está travado e estou recebendo notificações sobre o artigo "neural networks are simple " há um ano
As redes neurais são simples (parte de 500988939928177231827361823461827631827361827361827361827361284762834762834762). Quando você ler a última parte, provavelmente terá 89 anos e as redes neurais não serão mais relevantes.
E, falando sério, "redes neurais são simples" é quando há no máximo dois artigos desse tamanho. Não quando acho que o mt5 está travado e estou recebendo notificações sobre o artigo "neural networks are simple " há um ano
A ideia de "Neural Networks are Simple" é mostrar a acessibilidade da tecnologia para todos. Sim, a série é bastante longa. Mas o uso prático está disponível para o leitor desde o segundo artigo. E cada artigo separado fala sobre novas possibilidades. E é possível incluí-las em seus desenvolvimentos logo após a leitura do artigo. O fato de usá-las ou não é uma questão pessoal de cada leitor. Não há necessidade de esperar pelo próximo artigo. Quanto ao volume do tópico, posso dizer que a ciência está se desenvolvendo e novos algoritmos aparecem todos os dias. É bem possível que sua aplicação possa dar frutos nas negociações.
E assim pode ser dito sobre cada um dos artigos da série. Quanto mais você se aprofunda no assunto, mais percebe a profundidade e o valor desses artigos. O principal para os iniciantes é não desistir quando não virem belos gráficos de crescimento do saldo no artigo. O autor conduz suavemente a isso. Embora a cópia de trabalho esteja anexada a vários artigos, você pode pegá-la e usá-la.
Dmitry thank you.
Novo artigo Redes neurais facilitadas (Parte 24): Improving the tool for Transfer Learning foi publicado:
Autor: Dmitriy Gizlyk
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Redes neurais de maneira fácil (Parte 24): Melhorando a ferramenta para transferência de aprendizado foi publicado:
No último artigo, elaboramos uma ferramenta para criar e editar a arquitetura de redes neurais. E hoje quero convidá-lo a continuar trabalhando nela, para torná-la mais amigável. De certa forma, ao fazer isso, estamos nos afastando um pouco do nosso tópico. Mas convenhamos que a organização do espaço de trabalho desempenha um papel importante na obtenção do resultado.
No artigo anterior desta série, criamos uma ferramenta que nos permite tirar partido da tecnologia de transferência de aprendizado (Transfer Learning, em inglês). Como resultado do enorme trabalho que fizemos, conseguimos uma ferramenta que permite editar modelos já treinados. E agora podemos obter qualquer número de camadas neurais de um modelo pré-treinado. Claro, existem condições limitantes. Tomamos apenas camadas sucessivas, tendo pegado primeiro a camada de dados de entrada. A razão para esta abordagem está na natureza das redes neurais. Elas funcionam bem apenas com dados de entrada semelhantes aos usados ao treinar o modelo.
Além do mencionado, a ferramenta criada permite não apenas editar modelos treinados, mas também criar modelos completamente novos. E isto nos poupa da necessidade de descrever a arquitetura do modelo no código do programa. Quer dizer, basta criarmos um modelo usando a ferramenta, e em seguida treinar e usar o modelo carregando a rede neural criada a partir de um arquivo. Assim, podemos experimentar diferentes arquiteturas sem alterar o código do programa. Nós nem precisamos recompilar o programa. Tudo o que devemos fazer é substituir o arquivo de modelo.
E, claro, queremos oferecer uma ferramenta tão útil quanto possível para o usuário. Neste artigo, tentaremos melhorar sua usabilidade.
Autor: Dmitriy Gizlyk