Нейронная сеть - вход
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.
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?
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
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?
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?
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
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?
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.
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.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
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?