"Новый нейронный" - проект Open Source движка нейронной сети для платформы MetaTrader 5. - страница 76
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Возможно глупый вопрос.
Возможно ли картой Кохонена настроенной на векора размерности N классифицировать вектора размерность которых не равна N. В принципе человек отнесет к одном классам шар с кругом , квадрат с кубом , пирамиду с треугольником . Надеюсь мысль понятна .
Возможно глупый вопрос.
Возможно ли картой Кохонена настроенной на векора размерности N классифицировать вектора размерность которых не равна N. В принципе человек отнесет к одном классам шар с кругом , квадрат с кубом , пирамиду с треугольником . Надеюсь мысль понятна .
Нет, мысль не понятна. Человек считывает видео информацию одной и той же матрицей входов. Рецепторов в глазу не становиться ни больше ни меньше.
Вы же предлагаете давать вектора разной размерности, как можно ожидать от сетки адекватного ответа ???
Возможно глупый вопрос.
Возможно ли картой Кохонена настроенной на векора размерности N классифицировать вектора размерность которых не равна N. В принципе человек отнесет к одном классам шар с кругом , квадрат с кубом , пирамиду с треугольником . Надеюсь мысль понятна .
Если посмотреть на конус снизу, то это - круг, а сбоку - треугольник
Цилиндр тоже можно покрутить
Если посмотреть на конус снизу, то это - круг, а сбоку - треугольник
Цилиндр тоже можно покрутить
Я извиняюсь , в нейроиграх новичок поэтому возможно вопросы глупые .
Есть Набор векторов X1,X2 . Х1={x1,x2,x3,} . Причем х1>> x3, x2>>x3. х1 и х2 обоих векторов приблизительно одинаковые .Тогда получается что в пространстве эти два вектора будут находться рядом . Хотя х3 описывает наиболее важную характерисику . Применительно к нашим баранам х1=период средней, х2=период РСИ ,х3=дисперсия, х4=тренд составляющая. Тогда в этом случае классификация будет в основном происходить по х1 и х2 . Как избежать такой ситуации или я опять интенсивно притормаживаю.
Я извиняюсь , в нейроиграх новичок поэтому возможно вопросы глупые .
Есть Набор векторов X1,X2 . Х1={x1,x2,x3,} . Причем х1>> x3, x2>>x3. х1 и х2 обоих векторов приблизительно одинаковые .Тогда получается что в пространстве эти два вектора будут находться рядом . Хотя х3 описывает наиболее важную характерисику . Применительно к нашим баранам х1=период средней, х2=период РСИ ,х3=дисперсия, х4=тренд составляющая. Тогда в этом случае классификация будет в основном происходить по х1 и х2 . Как избежать такой ситуации или я опять интенсивно притормаживаю.
Можешь привести конкретный пример и поставить конкретную задачу ?
Так легче понять суть вопроса
Можешь привести конкретный пример и поставить конкретную задачу ?
Так легче понять суть вопроса
Задача подобрать такой вектор который бы разделял рынок на кластеры Тренд Веерх ,Тренд Вниз, Тренд Вдок .
К примеру формируем массив векторов согласно фантазии Х{x1,x2,x3,x4,x5,х6,х7}
х1= период МА
х2= период РСИ
х3=значение МА
х4=значение РСИ
х5=дисперсия например Болинджер
х6=тренд составляющая МА(N)-MA(N-1)
х7=количество пересечений МА и цены
Далее если массив этих векторов кластеризировать картой Кохонена то рядом окажутся близкие вектора. Получается что на Эвклидовы расстояния большее влияние окажут х1,х2,х4,,х7. Хотя характеристики х3, х5, х6 не менее если не более важны . Можно каким то образов нормировать все х в интервале -1...1 , правда как это сделать не представляю. Или брать характеристики рынка близкие по значению , тогда получается сравнение мух с котлетами .
Задача подобрать такой вектор который бы разделял рынок на кластеры Тренд Веерх ,Тренд Вниз, Тренд Вдок .
К примеру формируем массив векторов согласно фантазии Х{x1,x2,x3,x4,x5,х6,х7}
х1= период МА
х2= период РСИ
х3=значение МА
х4=значение РСИ
х5=дисперсия например Болинджер
х6=тренд составляющая МА(N)-MA(N-1)
х7=количество пересечений МА и цены
Далее если массив этих векторов кластеризировать картой Кохонена то рядом окажутся близкие вектора. Получается что на Эвклидовы расстояния большее влияние окажут х1,х2,х4,,х7. Хотя характеристики х3, х5, х6 не менее если не более важны . Можно каким то образов нормировать все х в интервале -1...1 , правда как это сделать не представляю. Или брать характеристики рынка близкие по значению , тогда получается сравнение мух с котлетами .
Смешались в кучу кони, люди ... период МА, значение МА
Может попробовать сначала поюзать готовые программы и их хелп, чтобы вникнуть в проблематику ?
Deductor, NS2
Смешались в кучу кони, люди ... период МА, значение МА
Может попробовать сначала поюзать готовые программы и их хелп, чтобы вникнуть в проблематику ?
Deductor, NS2
Согласен, что пример не совсем не удачный . Тогда другой - кластеризируем престарелых коней и молодых баскетболистов по росту, весу, возрасту .Вроде как понятно любой новый обьект будет отнесен к своему кластеру . Теперь вес=1/реальный вес . Ситуация когда рост и возраст приблизителльно совпадает ,а вес на порядок меньше роста и возраста( сравнение мух с котлетами). Получается что вес в данном случае практически не влияет на вектор и тогда баскетбалист от коня не отличим .