用Deductor Academic 5.2进行时间序列预测 - 页 5

新评论
 
它显示了一切，转弯和力量。
 
这一切都取决于框架和设置。70%至95%。
 
AAAksakal:
这一切都取决于框架和设置。70%至95%。
某个地方是这样的，但在强烈的新闻中，唉。
 
他也不关心新闻。我从Ded的预测中得到消息。
 
AAAksakal:
是的，他所展示的一切和逆转和力量。

证据是非常受欢迎的。有可能在不稳定的BP截面上进行预测，这是一个大新闻。你是唯一一个这样声称的人，我不熟悉其他人。
 
要证明什么并不感谢，事实上，要做出好的预测是非常困难的。影响准确预测的因素非常多，例如，以下事情，如果你做预测，最好在一天的开始做，你不应该在交易时段的中间做预测。你可以在一个时段完全发挥的时候做预测，但是，历史跳水的窗口应该在交易时段 移到24小时+1.....。5分钟获得最佳预测，neuron.net，因为我不想承认，我无法忍受它，因为95%都是垃圾，然而网络需要为每一对单独调整，它也需要大量的时间，而且有一些微妙的地方......。其实有很多微妙之处。
 
AAAksakal:
证明任何事情都是不值得的努力。
市场上竟然还有人以此为荣。我的意思是，你可以用图表来显示测试人员的运行。还是你所写的一切都只是热力垃圾？
 
是的，我忘了补充一个重要的部分。 如果你想更新你的预测，你将不得不拆掉线性或净块，重新启动处理。否则，你会得到更新，但对于旧的系数，它们不会被更新。当你拆掉并开始新的区块时，你会得到新的系数。
 
再见，各位。
 

这个DA是相当弱的。


在一个简单的经典识别例子上运行它。


示例字符串。

1.鸟类

2.苍蝇

3.飞机

4.滑翔机

5.无翼火箭

前六栏是可识别物体的输入。其余的列是输出。




一个两层的网格：6 x 2 x 6 x 6


当用反向传播法进行测试时，这真是一个无奈之举，因为40%的训练样本是线性分离的，如果误差小于0.01，那么训练样本就被认为是被认可的。


因此，飞机、滑翔机或火箭都没有被识别，所有的输出在任何输入下都只有负值。鸟和滑翔机的识别足够准确。生物物体与机械物体的差异输出也被相当准确地识别出来。



在相同条件和相同架构下测试RPROP时，结果更好。

所以这里的线性可分性已经是100%了，但误差是存在的。

1234567
新评论