如何正确形成NS的输入值。

[---]

关于NS输入的正确值的问题一直在论坛上出现。但不幸的是，这个问题仍然没有得到充分的答案。我最近才开始学习NS，现在我明白了这个问题的重要性。我很羡慕那些在学院里接受过理论教育并拥有这些知识的人。

因此，让我们在这个分支中尽可能全面地打开一个正确的价值观和它们的种类的问题。

只是不想从具体细节入手（比如拿周边的价格差异来说）。首先，关于输入值的一般要求的理论是可取的。然后，如果进展顺利，也可以举例。

[Dmitry Fedoseev]

            |               *      *
            |          *
            |      * 
            |    *
            |  *
            | *
            |*
-----------------------1---------------
           *|
          * |
         *  |
       *    |
     *      |
  *         |

如果sigmoid在输入值为1的情况下进入饱和状态，那么输入值是2还是3都没有区别--结果是差不多的。输入值必须在1以内。不能有任何冲突的样本--相同的输入值有不同的输出值。

[Artem Titarenko]

我希望这能帮助你

[Борис]

sergeev писал (а)>>

...我很羡慕那些在大学里接受过理论教育的人，他们拥有这些知识。

>>这里没有什么好羡慕的，在上个千年，我也在大学里学习，在这之前，这个学科被称为更谦虚，用苏联的说法是：TAP......，充其量。

他们/老师/会用耳朵做面条来读几个小时......他们不会超过 一般教科书每一节的2-3页！！。

[---]

2 StatBars 非常感谢您的文章。

Integer писал (а) >>

如果输入值1的sigmoid进入饱和状态，那么对输入值2或3的应用就没有什么区别--结果将是差不多的。输入值应该在1以内。不应该有冲突的样本--输入的数值相同而输出的数值不同。

没有归一的输入怎么办？能否使用sigmoid或需要其他函数？

[---]

Integer писал (а) >>
Конфликтных образцов не должно быть - одинковых значений на входе с разным значением на выходе.

事实证明，最好是在输出端有一个以上的值（即对市场的分类不仅仅是上升或下降，而且还有一些中间状态）。还有更多关于投入的内容。

[Dmitry Fedoseev]

你需要对输入的数据进行标准化处理。例如，找到一个具有最大范围的样本，用它来归一化，并去除常量成分。这里有一个广泛的创造领域，例如，可以计算相对于MA或回归线的值，然后才是归一化。也可以相对于每个样品的最大范围，分别进行归一化。

[---]

Integer писал (а)>>
你需要使输入正常化。例如，找到一个具有最大范围的样本并对其进行归一化处理，以及去除常量成分。这里有广阔的创造空间，例如你可以计算相对于МА或相对于回归线的数值，然后进行归一化。相对于它的最大范围，每个样品分别也可以被归一化。

是的，顺便说一下，你提出这个问题很好。我一直怀疑如何配给才更正确（根据你的经验）--一个样品本身还是所有样品的总和？

我已经决定给这个分支重新命名。

[Dmitry Fedoseev]

我刚刚才想到与整体样本有关的配给问题。我认为这样做更好--网会考虑到样本的绝对大小，而不仅仅是形状，但可能需要更长的时间来学习。

[---]

我有时也倾向于得出这个结论。事实证明，我们只要对数据进行压缩，非正常化数据的问题就被消除了。

还有一个问题，就是权重打到零输入值的问题。他们不会参加培训...

[Dmitry Fedoseev]

sergeev писал (а)>>

还有一个问题，就是权重打到零输入值。他们将不参加培训...

是的，事实证明，一个输入将永远是零（在第一个）。你可以把所有样本中的第一个元素完全删除，在最后再加一个。