Нейронная сеть - вход

Авторизуйтесь или зарегистрируйтесь, чтобы добавить комментарий
Top2n
522
Top2n  

Доброго времени, как действовать. Задача организовать структуру записи входных значений.

Нейрон, в него входят параметры.

Возможные виды параметра

- одно значение - [1,325] 

- вектор значений - [1.325, 0.004, 32] 

- массив значений - [1.325, 0.004, 32

...............................1.322, 0.003, 30]

Правильно?  

Mihail Marchukajtes
6114
Mihail Marchukajtes  
Top2n:

Доброго времени, как действовать. Задача организовать структуру записи входных значений.

Нейрон, в него входят параметры.

Возможные виды параметра

- одно значение - [1,325] 

- вектор значений - [1.325, 0.004, 32] 

- массив значений - [1.325, 0.004, 32

...............................1.322, 0.003, 30]

Правильно?  

Y Ну как правило и для удобства обычно в строчку записывают перечень входных значений, а в самом конце уже записывается выходная переменная. Так что скорее всего в вашем случае это вектор значения. И помните, что топология нейрона и функция активации абсалютно не играет никакого значения, главное это входные данные, что подавать ну и чего мы хотим от неё получить.
Top2n
522
Top2n  
Mihail Marchukajtes:
Y Ну как правило и для удобства обычно в строчку записывают перечень входных значений, а в самом конце уже записывается выходная переменная. Так что скорее всего в вашем случае это вектор значения. И помните, что топология нейрона и функция активации абсалютно не играет никакого значения, главное это входные данные, что подавать ну и чего мы хотим от неё получить.

Вот у меня есть значения одного события, то есть значения произошедшие на одном баре

- вектор значений [0.005, 0.002, 0.009] 

Так же, могут быть два вектора на другом баре

- вектор значений1  [0.005, 0.002, 0.009] 

- вектор значений2 [0.002, 0.003, 0.007]  

 этих векторов/событий, на каждом баре разное количество. 

Как отобразить структуру записи входных значений, если событий/векторов разное количество на каждом баре? 

Vladimir Perervenko
4892
Vladimir Perervenko  
Mihail Marchukajtes:
Y Ну как правило и для удобства обычно в строчку записывают перечень входных значений, а в самом конце уже записывается выходная переменная. Так что скорее всего в вашем случае это вектор значения. И помните, что топология нейрона и функция активации абсалютно не играет никакого значения, главное это входные данные, что подавать ну и чего мы хотим от неё получить.

Это абсолютно дилетантское мнение. Не болтайте ерундой..

Mihail Marchukajtes: 

Начните с основ - что есть нейросеть. Что можно подать на вход, что не нужно. 

На Ваш вопрос нет ответа.  

Удачи 

Top2n
522
Top2n  

Вот У меня есть n-ое кол-во событий на каждом баре.

Событие - одномерная матрица - пример - [0, 1, 0.8]

Тогда возможный вариант сети, имеется ввиду, события прогоняются через одну сеть, на каждом баре?

 

Top2n
522
Top2n  

допустим входные данные:

- Тип события (0 или 1)

- Период события (1/период)

- Предполагаемая цена разворота 1

- Предполагаемая цена разворота 2

Четыре веса - 1,5,5,1

Как выстроить структуру, если нужно определить отобьется ли от -Предполагаемой цены разворота?

Mihail Marchukajtes
6114
Mihail Marchukajtes  
Vladimir Perervenko:

Это абсолютно дилетантское мнение. Не болтайте ерундой..

Mihail Marchukajtes: 

Начните с основ - что есть нейросеть. Что можно подать на вход, что не нужно. 

На Ваш вопрос нет ответа.  

Удачи 

Начать с основ? Думаю скоро познакомить вас со своей статьёй. Думаю многое будет вам в новинку.
Mihail Marchukajtes
6114
Mihail Marchukajtes  
Так или иначе, если скажем в какойто момент времени вы собираете набор данных и количество этих данных всегда разное, тогда задача реально не решимая, я во всяком случае решения не знаю, а вот если вы в момент появления сигнала собираете набор данных но конкретное количество, скажем десять. То всё это записывается в строчку таблици, где в конце как правило ставится выходная переменная. Если количество входных данных всегда рахное, то тут сложно что то предположить, если их только не перемножать или ещё чего.
Top2n
522
Top2n  
Mihail Marchukajtes:
Так или иначе, если скажем в какойто момент времени вы собираете набор данных и количество этих данных всегда разное, тогда задача реально не решимая, я во всяком случае решения не знаю, а вот если вы в момент появления сигнала собираете набор данных но конкретное количество, скажем десять. То всё это записывается в строчку таблици, где в конце как правило ставится выходная переменная. Если количество входных данных всегда рахное, то тут сложно что то предположить, если их только не перемножать или ещё чего.

А если выделить определенное количество параметров для входа событий, и если событий меньше ставить нули в их значениях? То есть каждое событие определить как нейрон?

И рассматривать например десять нейронов, по 500 входов. Если событий меньше, то в не использованных нейронах оставлять нули.

Ну и если выходит, что событие например это массив 2000 значений, а событий 10 штук,  то выходит не целесообразно использовать однострочковую запись всех событий?

Maxim Dmitrievsky
19143
Maxim Dmitrievsky  
Top2n:

Доброго времени, как действовать. Задача организовать структуру записи входных значений.

Нейрон, в него входят параметры.

Возможные виды параметра

- одно значение - [1,325] 

- вектор значений - [1.325, 0.004, 32] 

- массив значений - [1.325, 0.004, 32

...............................1.322, 0.003, 30]

Правильно?  

Значения нужно нормировать в определенном диапазоне сначала, ему так проще будет..(от-1 до 1) Простая аналогия - на вход нейросети подаете то, что видите в данный момент, допустим 5 последовательных значений индикатора [-0.6,0.1,0.5,1,-0.4], получается 5 входов, это то что видит глаз. На выход нейрону подаете то, как вы интерпретируете увиденное, т.е. результат - например рынок на след. баре, посл этих значений индикатора вырос на n пунктов это +1, если упал это -1. если на выходе 1 или -1 он подстроит все коэффициенты входов так, что бы получилось это значение на выходе. И в процессе обучения подаете поочередно множество различных вариантов на вход и выход последовательно. Нейрон подстраивает коэффициенты связей под все значения и находит оптимальные веса коэффициентов для каждого из входов, как бы обобщает всё увиденное и создает некий образ события у себя в голове. Ну и после обучения он просто пропускает полученные новые данные через эти веса и выдает вам свое решение, на основании предыдущего опыта.

Т.е. у вас должно быть 5 массивов, по каждому на каждый вход нейрона, и один массив на выход. Массивы должны быть одинакового размера. После этого последовательно подаете нейрону n-элемент массива для обучения. 1[-0.6], 2[0.1], 3[0.5], 4[1], 5[-0.4], 6[1]; потом 1[2-е знач массива],2[2-е знач массива],3[...],4[...],5[...],6[...] и так до конца массива. 

Dmitry Fedoseev
56686
Dmitry Fedoseev  
Top2n:

Вот у меня есть значения одного события, то есть значения произошедшие на одном баре

- вектор значений [0.005, 0.002, 0.009] 

Так же, могут быть два вектора на другом баре

- вектор значений1  [0.005, 0.002, 0.009] 

- вектор значений2 [0.002, 0.003, 0.007]  

 этих векторов/событий, на каждом баре разное количество. 

Как отобразить структуру записи входных значений, если событий/векторов разное количество на каждом баре? 

От чего оно зависит? Вообще с чего вдруг так?

Структур можно написать, создать массив структур. А этот массив сам может входить в структуру и т.д. до бесконечности.

Авторизуйтесь или зарегистрируйтесь, чтобы добавить комментарий