Преобразования для входных данных нейросети
Кто-либо эксперементировал с подачей полной формы финансового ряда на нейроны входного слоя (любой сети) в какой-либо форме ?
Экспериментировал, было дело... Но ничего путного не вышло. Хотя соблазн, загрузить все в сеть и пусть она "думает", был велик. Как ни не крути, предобработка, отсев зерен от плевел необходим, ибо в противном случае непомерно усложняется архитектура сетей, вычислительные объемы, процесс обучения и т.д. С НС-ями вообще парадокс, по самим сетям куча информации любого вида, от алгоритмов до околонаучного бреда, а вот по предобработке входных данных - пусто. Есть правда несколько работ на уровне курсовиков и даже в привязке к фин. рядам, но это пожалуй все, что мне удалось нарыть...
Вообще идея была данные обладающие разными эмпирическими распределениями на один вход смасштабировать, активационные функции тоже одинаковые. Сильная идея по сему поводу даже не объемы а ввести линейное понимание времени как недели так и суток, если НС обладает свойствами статистических методов - должно быть полезно. Эксперементировали с данными одного порядка и распределения ?
Вообще идея была данные обладающие разными эмпирическими распределениями на один вход смасштабировать, активационные функции тоже одинаковые. Сильная идея по сему поводу даже не объемы а ввести линейное понимание времени как недели так и суток, если НС обладает свойствами статистических методов - должно быть полезно. Эксперементировали с данными одного порядка и распределения ?
Можно попробовать подавать такие величины -- час дня, день недели, неделя (день) месяца, неделя (месяц) года. Смысловая нагрузка более явная, чем, к примеру, у дня года, предобработку надо делать минимальную, ибо распространение равномерное.
Можно попробовать подавать такие величины -- час дня, день недели, неделя (день) месяца, неделя (месяц) года. Смысловая нагрузка более явная, чем, к примеру, у дня года, предобработку надо делать минимальную, ибо распространение равномерное.
Лучше написать backpropagation на крышке мусорного ведра.
Вообще идея была данные обладающие разными эмпирическими распределениями на один вход смасштабировать, активационные функции тоже одинаковые. Сильная идея по сему поводу даже не объемы а ввести линейное понимание времени как недели так и суток, если НС обладает свойствами статистических методов - должно быть полезно. Эксперементировали с данными одного порядка и распределения ?
Можно попробовать подавать такие величины -- час дня, день недели, неделя (день) месяца, неделя (месяц) года. Смысловая нагрузка более явная, чем, к примеру, у дня года, предобработку надо делать минимальную, ибо распространение равномерное.
Данные не линейны по времени, мне думается нужно рассматривать в контексте Импульс-Послезвучие, Новость-реакция а тут как все понимают никакой линейности по времени быть не может.
Такого бардака как выход новостей ни одна сетка на апроксимирует,
а вы ещё хотите это всё порезать на кусочки и тем самым ещё больше запутать весь процесс.
Вы можете достоверно сказать какие новости выйдут например навскидку 18 сентября. О том что новость выйдет вы предполагаете а потом происходят подвижки и новость выходит не 18 а 20, и что сетка должна апроксимировать? и такое происходит постоянно.
Я попытался составить календарь новостей и понял бесполезно у них критерий "новость выходит в середине месяца" считается верх точности.
Кто-либо эксперементировал с подачей полной формы финансового ряда на нейроны входного слоя (любой сети) в какой-либо форме ? Или если были опыты с подачей на разные нейроны входного слоя сети данных с разными вида распределения своих значений - тогда где доверительная метода по устойчивости результата..
Думаю что тема своевременная, интересная и полезная для многих.
Вы имеете ввиду OHLC? Я правильно понял?
Экспериментировал, было дело... Но ничего путного не вышло. Хотя соблазн, загрузить все в сеть и пусть она "думает", был велик. Как ни не крути, предобработка, отсев зерен от плевел необходим, ибо в противном случае непомерно усложняется архитектура сетей, вычислительные объемы, процесс обучения и т.д. С НС-ями вообще парадокс, по самим сетям куча информации любого вида, от алгоритмов до околонаучного бреда, а вот по предобработке входных данных - пусто. Есть правда несколько работ на уровне курсовиков и даже в привязке к фин. рядам, но это пожалуй все, что мне удалось нарыть...
По предобработке данных информации достаточно, причём на русском. Нет просто готовых решений, необходимых именно для решения Вашей задачи.
и кстати, "в противном случае" - может наблюдаться очень много негативных эффектов, не только те что Вы описали.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Кто-либо эксперементировал с подачей полной формы финансового ряда на нейроны входного слоя (любой сети) в какой-либо форме ? Или если были опыты с подачей на разные нейроны входного слоя сети данных с разными вида распределения своих значений - тогда где доверительная метода по устойчивости результата..
Думаю что тема своевременная, интересная и полезная для многих.