Suche nach einer Reihe von Indikatoren, die in die Eingänge des neuronalen Netzes eingespeist werden. Diskussion. Ein Instrument zur Bewertung der Ergebnisse. - Seite 4
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
Kgm ... Sie vergessen, dass für eine maximale Lerneffizienz die Eingänge des Netzes statistisch unabhängig sein müssen, d. h. es darf keine Korrelation zwischen den Daten bestehen, die den einzelnen Eingängen zugeführt werden. Alle Maschinen sind miteinander korrigiert, Sie können es überprüfen. Es gibt eine recht praktische und einfache Software - AtteStat, ein Zusatzprogramm zu Exel, das aber sehr praktisch ist.
Alles ist genial einfach... Ich hätte es selbst herausfinden können... Ich danke Ihnen!!!
Nehmen Sie die verfügbaren Indikatoren und betrachten Sie die Korrelation zwischen ihnen... analysiere, denke nach, vielleicht bekommst du einige nützliche Ideen :)
Die Öffentlichkeit muss eine grafische Beziehung zwischen dem Lernfehler und der Zeit (Anzahl der Epochen) sehen.wir müssen über verschiedene Dinge sprechen... Ich unterrichte nicht mit einem Lehrer (diese Art des Unterrichts birgt einen Lernfehler in sich)... Ich lerne bis zum Maximum der Zielfunktion, und ich weiß nicht, was der maximal mögliche Wert der Zielfunktion ist.
Hier finden Sie eine detaillierte Beschreibung und Berechnungsformeln für jeden Indikator.
In zwei Tagen werden Sie Ihre eigene Meinung haben.
Ich habe mir das schon lange angeschaut.
Ich habe es mir angesehen, gelesen, vielleicht habe ich nicht genug Zeit damit verbracht oder ihm nicht genug Aufmerksamkeit geschenkt, vielleicht etwas anderes... Wenn nicht, werde ich wahrscheinlich wieder dorthin gehen... :))) den langen Umweg nehmen, oder?
Nein. Ich übergebe nur den Wert der Zielfunktion an den genetischen Algorithmus, und der genetische Algorithmus gibt einen Vektor von Werten für jedes Gen aus, den ich in eine Matrix von Gewichten des neuronalen Netzes umwandle.
Richtig, der genetische Algorithmus verwendet keine Fehlerfunktion zur Anpassung der Gewichte.
Soweit ich das verstanden habe, könnte man den m5 um den maximalen Gewinn, der in der Geschichte stehen kann, aufwerten und diese Aufwertung als Fitnessfunktion verwenden.
Ich frage mich nur, wie die Funktion aussieht, die Sie zur Schätzung einer Person verwenden.
Von welchem Fehler ist die Rede? Die Zielfunktion ist größer - also ist das Gen besser geeignet...
Es handelt sich um eine Frage des Stichprobenfehlers des Tests. Das heißt, Sie nehmen den nächsten Monat nach der Ausbildungsprobe. Sie markieren sie nach Ihrem Algorithmus. Sie speisen die Ausgaben in das trainierte Netz ein. Sie vergleichen die Ergebnisse. Das ist das Diagramm dieser Fehler, an dem ich interessiert bin.
Sie können auch die Fehlerkurve der Trainingsstichprobe erhalten und so abschätzen, wie Ihr Netz lernt (oder es gibt eine Generationsentwicklung im Gen-Algorithmus)
Es ist alles genial einfach... Ich hätte selbst darauf kommen können... Ich danke Ihnen!
Nehmen Sie die verfügbaren Indikatoren und betrachten Sie die Korrelation zwischen ihnen... analysiere, denke nach, vielleicht bekommst du einige nützliche Ideen :)
Zeigen Sie das Ergebnis, wenn Sie alle Sätze, die Sie den Eingängen zuführen, vergleichen :) Ich denke, dass alle hoch korreliert sein werden. Alle angegebenen Indikatoren verwenden die gleichen Eingangsdaten für die Berechnung.
wir müssen über verschiedene Dinge sprechen... Ich unterrichte nicht mit einem Lehrer (diese Art des Unterrichts birgt einen Lernfehler in sich)... Ich lerne bis zum Maximum der Zielfunktion, und ich weiß nicht, was der maximal mögliche Wert der Zielfunktion ist.
Wie schätzen Sie die Effizienz des trainierten Netzes ein? Das ist die Grafik, die ich sehen möchte.
GA ist nur ein Optimierungswerkzeug (Schraubenzieher für die Maschine). Mit minimalen Unterschieden können Sie ihn oder jeden anderen Optimierungsalgorithmus (Schraubenzieher) verwenden.
Ja, ein Schraubendreher, aber es gibt Schraubendreher, die eine kleine Schraube lösen können, und andere, die das nicht können...
Nein, bei minimalen Unterschieden kann man es nicht für NS verwenden, da man diese Unterschiede nicht zu sehen scheint.
Wenn ein Neuron übersättigt ist, hört ORO praktisch auf, es zu "trainieren", während GA ein Neuron leicht übersättigen kann und die Gewichte der Neuronen weiter erhöht.
... mindestens diese Funktion: (2/(1-2^(-x))-1
Mein Fehler. Sie sollte lauten: (2/(1+2^(-x))-1
Nein, mit minimalen Unterschieden können Sie es nicht für NS verwenden, es scheint, dass Sie diese Unterschiede nicht sehen können.
Wenn ein Neuron übersättigt ist, hört ORO praktisch auf, es zu "trainieren", während GA ein Neuron leicht übersättigen kann und die Gewichte der Neuronen weiter erhöht.
Warum kann man sie nicht sehen? Die Unterschiede sind sichtbar. Es gibt keine Übersättigung von Neuronen mit dem richtigen Suchbereich. "Du weißt nur nicht, wie man sie zubereitet."(c) :)
Für unterschiedlich komplexe Aufgaben gibt es unterschiedlich optimale Werkzeuge, wie Sie richtig festgestellt haben (Schraubendreher).