Zeitreihenprognose mit Deductor Academic 5.2 - Seite 5

Neuer Kommentar
 
Es zeigt alles, Drehungen und Stärke.
 
Es hängt alles von den Rahmen und Einstellungen ab. 70% bis 95%.
 
AAAksakal:
Es hängt alles von den Rahmen und Einstellungen ab. 70% bis 95%.
Irgendwo in dieser Richtung, aber leider in den Nachrichten.
 
Er interessiert sich auch nicht für die Nachrichten. Die Nachrichten entnehme ich der Prognose von Ded.
 
AAAksakal:
Ja alles was er zeigt und Umkehrungen und Stärke.

Der Beweis ist sehr willkommen. Es ist eine große Neuigkeit, dass es möglich ist, Vorhersagen über instabile BP-Abschnitte zu treffen. Sie sind der Einzige, der dies behauptet, andere sind mir nicht bekannt.
 
Man ist nicht dankbar, wenn man etwas beweisen kann, denn es ist sehr schwierig, gute Prognosen zu erstellen. Sehr viele Faktoren beeinflussen die Erstellung einer genauen Prognose, zum Beispiel die folgende Sache, wenn Sie eine Prognose machen, ist es besser, zu Beginn des Tages zu tun, sollten Sie nicht eine Prognose in der Mitte der Handelssitzungen zu machen. Sie können eine Prognose machen, wenn eine Sitzung vollständig gespielt hat, aber, das Fenster der Geschichte Tauchgang sollte zurück 24 Stunden +1 auf Handelssitzung verschoben werden..... Die besten Vorhersagen werden für 5 Minuten erhalten, neuron.net, wie ich hasse es zuzugeben, ich kann es nicht ausstehen, da 95% der es ist Müll, aber das Netzwerk muss für jedes Paar separat angepasst werden, es dauert auch eine Menge Zeit und es gibt einige Feinheiten...... Es gibt tatsächlich eine Menge Feinheiten.
 
AAAksakal:
Es ist kein lohnendes Unterfangen, etwas zu beweisen.
Es ist erstaunlich, dass es Menschen auf dem Markt gibt, die stolz darauf sind. Ich meine, man kann einen Testlauf mit einem Diagramm darstellen. Oder ist alles, was Sie geschrieben haben, nur Hitzescheiße?
 
Ja, ich habe vergessen, einen wichtigen Teil hinzuzufügen: Wenn Sie Ihre Vorhersage aktualisieren wollen, müssen Sie den linearen oder Netzblock abreißen und die Verarbeitung neu starten. Andernfalls erhalten Sie eine Aktualisierung, aber mit alten Koeffizienten, die nicht aktualisiert werden, wenn Sie abreißen und neue Blöcke beginnen, erhalten Sie neue Koeffizienten.
 
Auf Wiedersehen, allerseits.
 

Dieser Staatsanwalt ist ziemlich schwach.


Ich habe es an einem einfachen Beispiel für klassische Erkennung ausprobiert:


Beispielstrings:

1. Vogel

2. Fliege

3. Flugzeug

4. Segelflugzeug

5. Nicht-geflügelte Rakete

Die ersten sechs Spalten sind Eingaben von erkennbaren Objekten. Die übrigen Spalten sind Ausgaben.




Ein zweischichtiges Gitter: 6 x 2 x 6 x 6


Beim Test mit Backpropagation ist es ein echter Knaller, denn 40% der Trainingsmuster sind linear trennbar, wenn der Fehler kleiner als 0,01 ist, dann gilt das Trainingsmuster als erkannt.


So wurden weder ein Flugzeug, noch ein Gleiter oder eine Rakete erkannt, alle Ausgänge haben bei beliebigen Eingaben nur negative Werte. Der Vogel und das Segelflugzeug werden genau genug erkannt. Auch die Ausgabe von Unterschieden zwischen biologischen und mechanischen Objekten wurde recht genau erkannt.



Bei der Prüfung von RPROP unter den gleichen Bedingungen und mit der gleichen Architektur sind die Ergebnisse besser:

Hier ist die lineare Trennbarkeit also bereits 100%, aber es sind Fehler vorhanden.

1234567
Neuer Kommentar