O que alimentar a entrada da rede neural? Suas ideias... - página 74

Novo comentário
 
Ivan Butko #:




Brincar com os parâmetros usando métodos criativos (misturando fórmulas por meio de cutucadas e estímulos) pode, às vezes, melhorar os resultados, mais uma vez - condicionalmente. No exemplo abaixo, conseguimos aumentar o número de negociações a termo novamente, o gráfico começou a parecer melhor, mas, no final, começou a desaparecer.








+ O backtest fora do período de otimização (de 2000 a 2012) se tornou uma vítima, falhou. 2021-2025 para EUR Ainda tenho a sensação de que o mercado é descrito por algum tipo de fórmula em loop (alguns parâmetros do gráfico devem estar conectados uns aos outros de alguma forma) e essa coruja funcionará em quase todos os lugares. Pensamentos em voz alta

Alimentar volumes para a entrada da rede neural
 
osmo1717 #:
O que são pesos?
Pesquise no Google
 
mytarmailS #:
Os pesos mudam com o tempo? Nunca ouvi essa fantasia antes.
O que é tão surpreendente? Amostra alterada --> parâmetros do modelo alterados. Além disso, mesmo na mesma amostra, os parâmetros podem ser diferentes devido a diferenças na inicialização dos parâmetros e, como consequência, convergência diferente (a rede neural simplesmente convergirá para um mínimo local vizinho, por exemplo).
 
Evgeniy Chernish #:
O que é tão surpreendente? A amostra mudou --> os parâmetros do modelo mudaram. Além disso, mesmo com a mesma amostra, os parâmetros podem ser diferentes devido a diferenças na inicialização dos parâmetros e, como consequência, convergência diferente (a rede neural simplesmente convergirá para um mínimo local vizinho, por exemplo).
Quando a rede neural é treinada, seus pesos permanecem inalterados. Somente os dados de entrada mudam
 
mytarmailS #:
Pesquise no Google
Não consigo encontrá-lo.
 
osmo1717 #:
Não consigo encontrá-lo.
É triste.
 
mytarmailS #:
Isso é triste.
Bem, me explique isso.
 
osmo1717 #:
Então, explique.

Explicado.


m ytarmailS #: Quando uma rede neural é treinada, seus pesos permanecem inalterados. Somente os dados de entrada são alterados.
 
osmo1717 #:
Bem, explique para mim.

veja isso


 
osmo1717 #:
Então explique.
Esses são os coeficientes de significância dos valores dos parâmetros. Há artigos sobre redes neurais que são simples. Leia artigos sobre redes aqui. Tipo Perceptron de camada única..... )


1...676869707172737475767778798081...85
Novo comentário