Künstliche neuronale Netze. - Seite 8
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Wer hat das festgelegt? Wir können ein Objekt nach 50 Millisekunden mit 80 %iger Genauigkeit zuordnen. Das sind 20 Objekte pro Sekunde, egal auf welchem Untergrund. Viele Säugetiere machen das noch schneller, um nicht gefressen zu werden (Evolution). Künstliche Netze erledigen das in wenigen Sekunden, und zwar auf einem leeren Buckgrind. Die Stärke des Gehirns liegt in seiner Parallelität, die wir mit herkömmlichen Mitteln der Computertechnologie niemals erreichen werden. Niemand bestreitet die Nützlichkeit des automatisierten Handels, aber Netzwerke werden das Gehirn des Händlers bei der Suche nach Mustern auf dem Markt in den nächsten 20-30 Jahren nicht ersetzen. Es braucht eine Menge Neuronen. Glaubt irgendjemand hier, dass ein Netzwerk mit 10-20 Neuronen das Gehirn eines Händlers ersetzen kann? Was für ein dummes Geschöpf muss dieser Händler sein!
Deshalb gibt es Menschen, die an ungewöhnlichen Computertechnologien arbeiten. ))
Kwabena Boahen spricht über einen Computer, der wie ein Gehirn funktioniert
Es gibt also Menschen, die sich mit ungewöhnlicher Computertechnologie beschäftigen. ))
Kwabena Boahen spricht über einen Computer, der wie ein Gehirn funktioniert
Ich kenne Kwabena persönlich, und ich weiß auch vom SpiNNaker-Projekt aus Manchester und seinem Leiter Steve Furber, der den ersten ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/) entwickelt hat. Steve hat es geschafft, 18 ARM-Prozessoren auf einem Chip und 48 Chips unterzubringen, das sind 864 parallele Prozessoren. Jeder Prozessor berechnet 500 Neuronen, d. h. 432 Tausend Neuronen. Bislang hat dieses Netz keine nützlichen Funktionen. Mir ist auch bekannt, dass andere Gruppen einen neuen Prozessortyp entwickeln. Sie ist noch weit von der Realität entfernt, daher meine Vorhersage, dass sie noch 20-30 Jahre auf sich warten lassen muss.
Ich kenne Kwabena persönlich, und ich weiß auch vom SpiNNaker-Projekt aus Manchester und seinem Leiter Steve Furber, der den ersten ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/) entwickelt hat. Steve hat es geschafft, 18 ARM-Prozessoren auf einem Chip und 48 Chips unterzubringen, also 864 parallele Prozessoren. Jeder Prozessor berechnet 500 Neuronen, d. h. 432 Tausend Neuronen. Bislang hat dieses Netz nichts Nützliches geleistet. Mir ist auch bekannt, dass andere Gruppen einen neuen Prozessortyp entwickeln. Sie ist noch weit von der Realität entfernt, daher meine Vorhersage, 20-30 Jahre zu warten.
Ich stimme mit Joo überein, dass es nicht nötig ist, die Natur zu kopieren...".
Ich stimme Ihnen auch zu, dass das menschliche Gehirn recht effizient arbeitet... sondern
Um "2 + 2" zu addieren, muss eine Person das Bild von "2" erkennen, dann das Bild von "+", dann wieder "2", dann die Assoziation aus dem Bereich "Mathematik" finden,
Denken Sie daran, das Beispiel der Antwort zuzuordnen.
Glauben Sie nicht, dass eine solche Methode, obwohl sie universell ist (und es dem Menschen ermöglichte, sich über die Natur zu erheben), im Vergleich zum Computer unwirksam ist?
In der Tat folgt jeder aus irgendeinem Grund dem Weg der Natur, aber die Natur hat nie Mathematik gehabt, und die von der Natur erprobten Methoden sind in dieser Lehre nicht wirksam, deshalb muss man, um ein hervorragender Mathematiker zu werden, die Welt fast verleugnen und sich ganz der Mathematik widmen (was in der Übersetzung bedeutet, das erworbene Wissen der Mathematik in den nächsten Assoziationen zu halten). Aber gleichzeitig kann eine dumme Maschine mit MathCad alles viel effizienter lösen als der brillanteste Mathematiker.
SZY imho "Computer ist ein menschlicher Assistent" wie ein Hund mit stärkeren Zähnen und einem schärferen Geruchssinn.
Ich stimme Joo zu, was den Teil "keine Notwendigkeit, die Natur zu kopieren" betrifft.
Ich stimme Ihnen auch zu, dass das menschliche Gehirn recht effizient arbeitet... sondern
Um "2 + 2" zu addieren, muss eine Person das "2"-Bild erkennen, dann das "+"-Bild, dann wieder das "2"-Bild und dann die Assoziation aus dem "Mathe"-Bereich finden,
und denken Sie dann daran, das Beispiel mit der Antwort abzugleichen.
Glauben Sie nicht, dass diese Methode, obwohl sie universell ist (und es dem Menschen ermöglichte, sich über das Reich der Natur zu erheben), im Vergleich zum Computer unwirksam ist?
In der Tat folgt jeder aus irgendeinem Grund dem Weg der Natur, aber die Natur hatte nie Mathematik, und die von der Natur erprobten Methoden sind in dieser Lehre nicht wirksam, deshalb muss man, um ein hervorragender Mathematiker zu werden, die Welt fast verleugnen und sich ganz der Mathematik widmen (was bedeutet, das erhaltene Wissen der Mathematik in den nächsten Assoziationen zu halten). Aber gleichzeitig kann eine dumme Maschine mit MathCad alles viel effizienter lösen als der brillanteste Mathematiker.
SZY imho "ist der Computer ein menschlicher Assistent" wie ein Hund mit stärkeren Zähnen und einem schärferen Geruchssinn.
Ich kann Ihnen nicht folgen. Die Diskussion dreht sich um künstliche neuronale Netze. Meines Erachtens können moderne künstliche Netze das Gehirn des Händlers bei der Suche nach Mustern auf dem Markt nicht ersetzen. Bislang verwenden sie nur die Regression, d. h. die Modellierung eines Outputs (Kauf/Verkauf) als nichtlineare Funktion von Inputs. Die Gewichte des Netzes werden durch Minimierung des Fehlers in vergangenen Beispielen optimiert, was jedoch keine Garantie für seine Rentabilität bei ungelernten Daten ist. Die Erhöhung der Anzahl der Neuronen im Netz - wie in jedem anderen nichtlinearen Modell - ermöglicht es, den Fehler in den Trainingsbeispielen auf Null zu reduzieren, aber es hilft nicht der Rentabilität des Netzes in der Zukunft und schadet ihm nur (Umlernen). Das weiß bereits jeder. Um sicherzustellen, dass das Netzwerk zumindest eine gewisse Chance hat, müssen solche Inputs gewählt werden, die eine konsistente Wirkung auf den Output haben. Die Auswahl der Inputs erfolgt durch die Untersuchung früherer Daten und die Feststellung von Regelmäßigkeiten. Das Netz selbst wird zu einem Werkzeug für die nichtlineare Input-Output-Modellierung, nicht für die Suche nach Mustern. Damit ein Netzwerk nach Mustern suchen kann, muss es nach dem Prinzip unseres Gehirns aufgebaut sein. Eine dumme Erhöhung der Zahl der Neuronen in gewöhnlichen Netzwerken würde zu nichts führen, denn sonst wären Elefanten genauso klug wie wir (gleiche Zahl von Neuronen).
Ich habe hier nirgends die Rolle des Computers geschmälert, aber ohne einen Menschen wären sie immer noch ein Eisen. Es ist möglich, dass in Zukunft neue Arten von Netzen lernen, Muster in Daten zu finden. Aber beim derzeitigen Stand der Forschung auf diesem Gebiet müssen wir abwarten und warten. Hat sich übrigens schon einmal jemand darüber gewundert, dass in Science-Fiction-Büchern und -Filmen Roboter in einer Zukunft vorhergesagt werden, die bereits in der Vergangenheit liegt, die aber nie eintraten? Die Menschheit hat gelernt, zum Mond zu fliegen, Computer und das Internet sind schnell, aber Roboter sind nirgends zu finden!
Ich kenne Kwabena persönlich, und ich weiß auch vom SpiNNaker-Projekt aus Manchester und seinem Leiter Steve Furber, der den ersten ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/) entwickelt hat. Steve hat es geschafft, 18 ARM-Prozessoren auf einem Chip und 48 Chips unterzubringen, das sind 864 parallele Prozessoren. Jeder Prozessor berechnet 500 Neuronen, d. h. 432 Tausend Neuronen. Bislang hat dieses Netz nichts Nützliches geleistet. Mir ist auch bekannt, dass andere Gruppen einen neuen Prozessortyp entwickeln. Bislang ist das noch weit von der Realität entfernt, weshalb ich vorausgesagt habe, noch 20-30 Jahre zu warten.
Es ist toll, dass Sie solche Forscher persönlich kennen. Kennen Sie zufällig Henry Markram? Seine Vorhersage im Jahr 2009 lautete 10 Jahre. :) Ich frage mich, wo er jetzt steht.
Henry Markram baut ein Gehirn in einem Supercomputer
Ich verstehe Sie nicht, denn es geht hier um künstliche neuronale Netze. Meiner Meinung nach können moderne künstliche Netzwerke das Gehirn des Händlers bei der Suche nach Mustern auf dem Markt nicht ersetzen. Bislang verwenden sie nur die Regression, d. h. die Modellierung des Outputs (Kauf/Verkauf) als nichtlineare Funktion der Inputs. Die Gewichte des Netzes werden durch Minimierung des Fehlers in vergangenen Beispielen optimiert, was jedoch keine Garantie für seine Rentabilität bei ungelernten Daten ist. Die Erhöhung der Anzahl der Neuronen im Netz - wie in jedem anderen nichtlinearen Modell - ermöglicht es, den Fehler in den Trainingsbeispielen auf Null zu reduzieren, aber es hilft nicht der Rentabilität des Netzes in der Zukunft und schadet ihm nur (Umlernen). Das weiß bereits jeder. Um sicherzustellen, dass das Netzwerk zumindest eine gewisse Chance hat, ist es notwendig, solche Inputs zu wählen, die eine konsistente Wirkung auf den Output haben. Die Auswahl der Inputs erfolgt durch die Untersuchung vergangener Daten und die Suche nach Regelmäßigkeiten. Das Netz selbst wird zu einem Werkzeug für die nichtlineare Input-Output-Modellierung, nicht für die Suche nach Mustern. Damit ein Netzwerk nach Mustern suchen kann, muss es nach dem Prinzip unseres Gehirns aufgebaut sein. Eine dumme Erhöhung der Zahl der Neuronen in gewöhnlichen Netzwerken würde zu nichts führen, denn sonst wären Elefanten genauso schlau wie wir (gleiche Zahl von Neuronen).
Ich habe die Rolle des Computers hier nirgends heruntergespielt, aber ohne einen Menschen wären sie immer noch ein Eisen. Es ist möglich, dass in Zukunft neue Arten von Netzen lernen, Muster in Daten zu finden. Aber beim derzeitigen Stand der Forschung auf diesem Gebiet müssen wir abwarten und warten. Hat sich übrigens schon einmal jemand darüber gewundert, dass in Science-Fiction-Büchern und -Filmen Roboter in einer Zukunft vorhergesagt werden, die bereits in der Vergangenheit liegt, die aber nie eintraten? Fliegen zum Mond, schnelle Computer und das Internet, aber keine Roboter!
Ich habe lediglich die Richtung der NS-Forschung in Frage gestellt, das Paradigma, die Natur zu kopieren.
Ich habe große Zweifel daran, dass ein nach dem Vorbild des menschlichen Gehirns aufgebautes Netz den Schöpfer übertreffen wird.
Ich glaube, dass sich die NS-Forschung in Richtung einer direkten Wahrnehmung digitaler Daten bewegen muss, während die Zahlen für NS derzeit nur Bilder sind.
technische Mittel haben die Natur nie kopiert, sei es ein Rad oder ein Flugzeug, aber sie sind durchaus in der Lage, ihre Aufgabe zu erfüllen; daher sollten die NS mit mathematischen Modellen arbeiten und nicht die Analyse/Entscheidungsfindung eines Händlers nachahmen
SZS: Stellen Sie sich vor, wie eine Kamera aussehen würde, die den Prozess eines Künstlers nachbildet )))))
technische Mittel haben die Natur nie kopiert, sei es ein Rad oder ein Flugzeug, aber sie sind durchaus in der Lage, ihre Aufgabe zu erfüllen; daher sollten die NS mit mathematischen Modellen arbeiten und nicht die Analyse/Entscheidungsfindung eines Händlers nachahmen
ZS: Stellen Sie sich vor, wie eine Kamera aussehen würde, die den Prozess eines Künstlers nachbildet )))))
Die Kamera kopiert das Auge, also zählt das Beispiel nicht. Aber im Großen und Ganzen haben Sie den Sinn meines Beitrags richtig verstanden.
Ich stimme zu, dass die Kamera das Auge kopiert, aber das Ergebnis ist das gleiche wie für einen Künstler - ein Bild auf dem Papier, das einzige, was ich nicht beschreiben, den technischen Prozess der Herstellung eines Fotos
So haben wir endlich verstanden, warum die NS nicht immer erfolgreich im Handel sind: das Problem ist nicht mit den NS, sondern mit dem mathematischen Modell der Marktinformationen, die die NS für die Ausbildung zur Verfügung stellen - die die letzten 2, 3, ... 100 Balken schließen, die die technischen Indikatoren lesen, mit einem Wort "für das, was Sie gut können", müssen wir verstehen, welche Marktinformationen wirklich wichtig für den Handel sind - Muster? Die letzten paar Balken? Volumina? Tageszeit? .... Und das Traurige daran ist, dass man, nachdem man unnötige Informationen herausgefiltert und ein mathematisches Modell des Marktes erstellt hat, einen effektiven TS ohne NS aufbauen kann.