Nöro ağlar - sayfa 12
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bu konuyu hala seviyorum. :) Forex'ten önce bile benim zamanımda bununla ne kadar acı çektim. :)
Ve işkenceniz, hayatınızdaki sinir ağları üzerine bir danışmanın başarılı bir şekilde oluşturulması ve uygulanması yoluyla kişisel mali durumunuzda bir artış şeklinde uzun zamandır beklenen sonucu getirdi mi? Ve sonra tüm bunları sıçabiliriz. :)
Çıktıların, girdilerin değerleri nelerdir?
Bir sinir ağını eğitmek için en iyi kaç öğretmen değeri kullanılır? Örneğin, ağın tepkisi üzerinde dört olası eylem varsa. 4 değer kullanırsanız, hatanın ortalama değerleri düzelttiğinizden daha büyük olduğunu fark ettim. Optimum ne kadar? Ekli dosyada solda gerçek çıktılar, sağda ağın eğitildiği değerler yer almaktadır.
Ve işkenceniz, hayatınızdaki sinir ağları üzerine bir danışmanın başarılı bir şekilde oluşturulması ve uygulanması yoluyla kişisel mali durumunuzda bir artış şeklinde uzun zamandır beklenen sonucu getirdi mi? Ve sonra tüm bunları sıçabiliriz. :)
Kohonen evet, bazen yardımcı olur. BackProp - bir öğretmene ihtiyaç vardır. Öğretmeye çalıştım, sonuç eksi. Öğretmenleri nereden alacağınızı bilmeniz gerekir. Kaç makale okumadım - bir saçmalık. Bu yüzden çöp kutusuna attım. Belki yanılıyorum ve burada başka biri size backprop hakkında bilgi verecektir. Bu arada, Makarenko ve Golovko'nun bazı ilginç şeyleri var, örneğin, MEPhI'deki nöroinformatik derslerinde, onları okumanızı tavsiye ederim.
Öğretmenleri nereden alacağınızı bilmeniz gerekir.
Kendin yazmaya ne dersin?
Kendin yazmaya ne dersin?
Ağın, yani öğretmenlerin çıkışları ile ilgili öneriler varsa, lütfen duruma ilişkin vizyonunuzu belirtiniz. bir sonuç alamadım. İlk başta her şey güzel görünüyordu, sonra tahliye başladı.
Bir komut dosyası yardımıyla çakışan girdi vektörlerini aramaya çalıştım. Belirli bir sapmaya sahip girdi vektörü veya tamamen başka bir vektörle çakışıyorsa, öğretmenin bu çubuklarda söylediği gibi görünür. Doğrudan zıt sonuçlar diyorsa, girdiler çelişkilidir. Girişlerde bir hindi AO var, öğretmen İvanov'un diplomasından MPP'nin bir analogu. Bu nedenle, sapma sıfıra eşit değil, biraz daha fazla (örneğin, 0,5) olarak ayarlanırsa, komut dosyası çok sayıda çakışan vektör bulur. Sapma daha da büyütülürse, daha da fazlasını bulur vb. Onlar. her vektörün tamamen bireysel olduğu ortaya çıktı. Peki, kohonen ağı gibi, bu durumda vektörleri benzer olanlardan oluşan gruplar halinde birleştirmeye nasıl çalışılabilir ???
Halk için küçük bir soru.
Bir komut dosyası yardımıyla çakışan girdi vektörlerini aramaya çalıştım. Belirli bir sapmaya sahip girdi vektörü veya tamamen başka bir vektörle çakışıyorsa, öğretmenin bu çubuklarda söylediği gibi görünür. Doğrudan zıt sonuçlar diyorsa, girdiler çelişkilidir. Girişlerde bir hindi AO var, öğretmen İvanov'un diplomasından MPP'nin bir analogu. Bu nedenle, sapma sıfıra eşit değil, biraz daha fazla (örneğin, 0,5) olarak ayarlanırsa, komut dosyası çok sayıda çakışan vektör bulur. Sapma daha da büyütülürse, daha da fazlasını bulur vb. Onlar. her vektörün tamamen bireysel olduğu ortaya çıktı. Peki, kohonen ağı gibi, bu durumda vektörleri benzer olanlardan oluşan gruplar halinde birleştirmeye nasıl çalışılabilir ???
Evet, her vektörün bireysel olup olmadığı değil. Mesele, vektörün kendisinin nasıl oluştuğudur. Bir sinir ağının sadece verileri yorumlamak için bir araç olduğunu anlayın, istediğiniz her şeyi besleyebileceğiniz bir "akıllı yapay zeka" değildir ve o her şeyi kendisi anlayacaktır. NS, koşullu refleks etki-> tepkinin en ilkel kuralına göre çalışır. Bu nedenle ona AO sinyallerini veya başka herhangi bir göstergeyi veya genel olarak burcunuzu gösterirsiniz - onun için önemli değil; orijinal sinyal yararlı bilgiler içermiyorsa, ağ bundan hiçbir şey çekmeyecektir. Bir düşünün, ona yaklaşık yirmi AO okuması gösterdiniz. Şimdi, piyasa durumlarının kaç farklı varyantının bu tür (veya "neredeyse böyle" - korelasyon açısından) bir dizinin oluşumuna yol açabileceğini hayal edin. Sadece ikisi olsa bile (sınırlı durum) - taban tabana zıt sonuçlar verme olasılığı hiçbir şekilde göz ardı edilemez. Peki ya daha fazlası varsa? Ve genel olarak, ona AO'yu veya AC'yi veya bir güneş aktivitesi grafiğini gösterip göstermediğinizi nasıl bilebilir ??? Bu nedenle sözde. "çelişkili vektörler" - sözde çünkü ham verilerden. tutarsızlık aslında ağın veya daha doğrusu tanımladığı matematiksel modelin bu durumda yeterli argüman olmaması nedeniyle bir karar veremeyeceğini söylüyor.
Eğitim ağlarını çıplak bir fiyat ve AO gibi doğrusal göstergeler üzerinde boşa harcamayın - bu geçilmiş bir aşamadır, çok sayıda deney en azından kârsızlığını kanıtlamıştır. Doğrusal olmayan tarafı kazın, ana bileşenleri izole edin, vb. Ağ, ancak mantıklı olan verileri analiz ettiğinde başarılı bir şekilde çalışacaktır - ve yalnızca programcının kafası bunlara anlam verebilir (bir tane olması gerekmez - çeşitli teknik araçlar da eklenebilir).
Ve doğrusal olmayan veriler tek sıralı olmayan veriler midir?
Bir dereceye kadar, devam eden süreçlerin dışsal tezahürlerini değil, derin özünü yansıtmayı tercih ederim. Bir tüccar başlamak için neye sahip olmalıdır? Bir haber akışı, bir fiyat akışı, bir cilt akışı vardır (aslında veriler heterojendir). Üstelik, son iki nesne zaten tabiri caizse "matematikleştirilmiş"se - sayılarla ifade edilirse, o zaman haberlerle görev daha karmaşık hale gelir - ilk önce elde edilmeleri ve ikinci olarak bir şekilde resmileştirilmeleri gerekir (peki, bu ayrı bir konu, burada son zamanlarda bir dal bile bununla ilgiliydi).
Yani görevimiz sinir ağına tüm bunları sindirilebilir bir biçimde göstermek. Yani, örneğin "satın al", "sat" ve "sidikuri" gibi çok özel ifadelere belirli bir şekilde yanıt vermesi için yüz yıldır öğretilen bir papağan hayal edin. Örnek olarak, "son N gün boyunca, fiyat şu şekilde ve şu şekilde davrandı (şundan şuna ve şuna büyüdü, sonra düştü, o zaman - özellikle dikkat et, Popka, böyle bir rakam çizdi), işlem hacimleri şöyle ve böyleyken, piyasa o zaman ve sonra çıkan şu ve bu tür haberlere tepki verirken ve tüm bunlar böyle bir zeminde oluyor. ve böyle bir eğilim" - ve söz konusu yüz yıldan sonra papağan kafasında - belki de bilinçsizce - piyasa durumunun bir resmi oluşacak ve ardından belirli bir olasılıkla doğru cevabı verecektir. Biz ona “dün fiyat böyleydi, dünden önceki gün böyleydi, bir ay böyle devam etti” dersek, neyle karşılaşacağını bilemez, çünkü küçücük beynine ağır yük binecek. homojen bir bilgi akışındaki önemli unsurları vurgulama görevi. Böylece, en iyi ihtimalle, bir karar verirken hala neye odaklanması gerektiği konusunda belirsiz bir fikre sahip olacak ve eğer ona yanlış cevaplar için başının arkasına çok sert tokatlar verirsek (okuma, eğitim bir öğretmenle :), o zavallı adam, tamamen kaybolacak ve öğrenme sürecinden tam bir cahil olarak çıkacaktır.
Başka bir benzetme: sen ve ben nesneleri tanımak için vizyonu nasıl kullanırız? Kabaca söylemek gerekirse, doğrudan retinadan gelen bir dizi pikseli bilincimizle analiz etmiyoruz, analiz ve tanıma için hazır bir görsel görüntü elde ediyoruz - yani gördüğümüzü anlamamız için karşılık gelen parçaları Beynin, resmin kendisiyle birlikte, bize dikkat edilmesi gereken işaretlerin bir listesini veriyor, yani veriler zaten son analiz için hazırlanmış, zaten belirli bir anlamsal yük içeriyorlar.
Esas olanın seçimi - ve esas olmayanın reddi - benim lineer olmayan işlemden anladığım budur.