Ticarette sinir ağlarını kullanma - sayfa 33
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
Yakışıklı güzel.
Armeyka'da göbeğinin omzuna bu yazıyı iliştirmiş... :-)
Konunun konusunun açıklanmadığını düşünüyorum, en azından ağa giriş verilerinin hazırlanmasına yönelik organizasyon ve prosedür açısından...
Çalıştığımız nesneyi tanımlamamız gerekiyor. Sinir ağları için bu tanım nerede? ne ile çalışıyorlar? Katmanlarla, algılayıcılarla mı?
Nöral ağcılar neden bazı katmanlara veya algılayıcılara ihtiyaç duyuyor? Yapay sinir ağlarının geliştiricilerinin onlarla ilgilenmesine izin verin.
Bir sinir ağı uzmanı için sinir ağı bir kara kutudur.
Bir sinir ağı uzmanının bir problemi formüle etmek için ihtiyaç duyduğu her şey: giriş değerleri ve çıkış değerleri - eğitim ve test olmak üzere iki bölüme ayrılmış bir örnek (ileri test). Buna göre görev, eğitim örneğinde eğitildikten sonra, maksimum olasılığa sahip girişlerdeki değerlerin, test örneğindeki sinir ağının çıkışlarındaki değerlerle çakışmasını sağlamaktır.
Buradan başlamalısın. Basitten.
Durağan seri = mo ve varyans sabiti. ARCH'de varyans sadece bir sabit değildir, aynı zamanda önceki değerlere de bağlıdır.
Modelleri oluştururken, ARCH'in varlığında en küçük kareler uygulanamayacağından, modellerin geri kalanının ARCH kontrolü zorunludur.
buradan başlayın - daha kolay olmaz
sadece bensiz - tüm bunlar bu forumda uzun zaman önce çiğnendi
Kalıplar 18 saat öğretilir ve kabul edilir ve asıl soru şudur: Kalıpların ticarette kullanılamayacağını anlıyor musunuz?
Sorunun böyle bir formülasyonuyla, öğretmeninizin en azından biraz yanlış olduğunu söyleyebilirim.
Şaka yapmıyorum, ben de öğrenciydim. Merak ediyorum, ofset seti nasıl bir cevaptan sonra oldu?
Sorunun böyle bir formülasyonuyla, öğretmeninizin en azından biraz yanlış olduğunu söyleyebilirim.
Şaka yapmıyorum, ben de öğrenciydim. Merak ediyorum, ofset seti nasıl bir cevaptan sonra oldu?
Üzgünüm, öğrenciler farklı uzmanlık alanlarından geliyor. TA, DC'deki herkese iki hafta, ekonometri ise 5 yıl boyunca öğretilir ve herkese değil.
Bir kez daha tekrar edebilirim: TA, tahminin gerçekleşme olasılığı sorusunu hiç gündeme getirmez. Sadece inanıyoruz ve birleşiyoruz ve nedenini anlamıyoruz. Ekonometride, modelleme sonuçlarına olan güven sorunu ana sorudur. Tıpkı hayatta olduğu gibi.
Nöral ağcılar neden bazı katmanlara veya algılayıcılara ihtiyaç duyuyor? Yapay sinir ağlarının geliştiricilerinin onlarla ilgilenmesine izin verin.
Bir sinir ağı uzmanı için sinir ağı bir kara kutudur.
Bir sinir ağı uzmanının bir problemi formüle etmek için ihtiyaç duyduğu her şey: giriş değerleri ve çıkış değerleri - eğitim ve test olmak üzere iki bölüme ayrılmış bir örnek (ileri test). Buna göre görev, eğitim örneğinde eğitildikten sonra, maksimum olasılığa sahip girişlerdeki değerlerin, test örneğindeki sinir ağının çıkışlarındaki değerlerle çakışmasını sağlamaktır.
Sevgili Yuri, bu tür ifadeleri genel anlamda (tüm sinir ağları hakkında) kullanmamanızı rica ediyorum. Görüyorsunuz, sinir ağları (genel anlamda) genellikle gizli katmanların sayısıyla ve ayrıca bu gizli katmanlardaki periyodik olarak nöronların sayısıyla ilgilenir. Ayrıca bazen aktivasyon fonksiyonunun seçiminde zorluklar vardır. Ve buna ek olarak, bazen gradyan iniş yönteminin seçilmesi gerektiği de olur. Hiçbir şekilde rahatsız olmadım, ne de Tanrım. Ama yine de, bir şekilde durumu basitleştirdin.
Kabul ediyorum. Yazılarım konu dışı. Affedersiniz lütfen.
Üzgünüm, öğrenciler farklı uzmanlık alanlarından geliyor. TA, DC'deki herkese iki hafta, ekonometri ise 5 yıl boyunca öğretilir ve herkese değil.
Bir kez daha tekrar edebilirim: TA, tahminin gerçekleşme olasılığı sorusunu hiç gündeme getirmez. Sadece inanıyoruz ve birleşiyoruz ve nedenini anlamıyoruz. Ekonometride, modelleme sonuçlarına olan güven sorunu ana sorudur. Tıpkı hayatta olduğu gibi.
tartışmıyorum. Ekonometri sensin, ben değilim. Arkamda matematik olmayan fakültede sadece 3 matematik dersim var. Ve TA'nın hiçbir zaman bir " güven aralığına " sahip olması gerekmedi. TA, bir durumun başlangıcını (tüccarı gösterir) belirtir ve sonrasında yüksek olasılıkla bir olay meydana gelir. Genellikle şu veya bu şekilde. Başka bir deyişle, olayın tahmini ve yalnızca olay. Ve tam olarak nerede, TA'nın hedefi, nadir istisnalar dışında hiçbir zaman olmadı. Çoğu zaman, "kırıldığı yerde, orada ticaret yaparız."
EconMod, beyaz bayrağı attım. Böyle çalışmaktan bıktım. Gerçek, 7 sayfa önce kelimeyi eklemeye çalışmayı bıraktı. çiş için çiş, benim değil. Çocukluğumdan beri sessizim.
Hayır, tabii ki OCR ile uğraşmayacağım. Öğrenilen 5 harfin tümü ile hiçbir anlam ifade etmiyor ...
Teşekkür ederim, ben de yapıcı olmaya çalışıyorum. Ve farklı şeylerden bahsettiğimizi sanıyordum. Sınıflandırmayla ilgili zorluklarla ilgili ağıtında, şu anlama geliyordu.
Klasik durumu ele alalım - uçak. Teori, başarılı bir sınıflandırma üretmek için verilerin (bir düzlem durumunda) doğrusal olarak ayrılabilir olması gerektiğini belirtir.
(üzgünüm elimde güzel resimler yoktu, resimleri hızlıca excelde yapmak zorunda kaldım)
Diyelim ki 2 parametreli X ve Y (düzlem...) ile veri aldık. Birim vektörlere getirildi ve böyle bir resim elde edildi. Açıkça 5 ayrı alan görüyoruz. Herhangi bir SOM, sınıflandırma ile hemen başa çıkacaktır ve sınıflandırma sadece bir sınıflandırma olacaktır. Herhangi bir yeni veri sınıflardan birine girecektir. Her sınıfın özellikleri bizim tarafımızdan bilinir, bu nedenle, yeni verilerin hangi sınıfa girdiğini bularak, onunla ilgili her şeyi hemen biliriz. Tüm sonuçlarıyla birlikte...
Ne yazık ki, klasik ve pratik durumlar, Odessa'da dedikleri gibi, iki büyük farktır.
Pratik bir durumda, verileri yükledik ve bu resmi aldık. Sınıflandırma elbette bu durumda da mümkündür, ancak pratik bir değeri yoktur. Aynı 5 sınıfı ayarlayabiliriz ve SOM onları dürüstçe "çizecek", sadece küme merkezlerini eşit olarak dağıtacak. Yeni gelen veri bir yere gidecek. Ama bu "bir yer"in artık bir anlamı yok. Tüm veriler ve özellikleri, düzlem üzerinde eşit olarak dağılır (karıştırılır). Böyle bir sınıflandırmaya inanırsak ve yeni verileri sınıflardan birine bağlarsak, kendimizi kandırırız.
Sorunun özü bu ve benim o yazımda demek istediğim buydu. Onlar. hangi taraftan soruna atlamadım, anlaşılır ayrılabilirlik ile veri almayı başaramadım. Onlar. veya ayrılabilirlik tamamen yok, nefig ve deneyin. Ya da yeterince gerginliğim yok. Tabiat Ana beni biraz özeleştiriden mahrum etmedi, bu yüzden şimdilik ikinci seçeneğe yöneliyorum. Bu nedenle, çeşitli yoldaşlarla istişare ediyorum. Tekrar ediyorum, net bir sınıflandırma aldıktan sonra, olasılıklı bir ızgara ve bulanık mantıkla zaten çalışabilirsiniz.
Klasik durumu ele alalım - uçak. Teori, başarılı bir sınıflandırma üretmek için verilerin (bir düzlem durumunda) doğrusal olarak ayrılabilir olması gerektiğini belirtir.
Uçak klasik bir örnek değil, klasik bir örnek. Ve böyle basit bir ayrılabilirlik, bu tür örneklerde yalnızca fikri açıklarken netlik sağlamak için kullanılır.
Pratik açıdan kabul edilebilir bir sınıflandırma oluşturmak için öznitelik vektörünün boyutunu kademeli olarak artırmak gerekir. Bu durumda sınıfların bölünmesi mutlaka doğrusal olmayacaktır.