Einsatz neuronaler Netze im Handel - Seite 13
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
Der Grund ist ein anderer: Netzwerkredundanz.
Und lassen Sie uns herausfinden, was Netzwerkredundanz ist?)
Das passt im Wesentlichen.
Fitting ist, wenn die Stichprobe zu klein ist. Die Netzredundanz hat kaum Auswirkungen auf die Anpassung.
Warum erforschen wir nicht die Bedeutung von Redundanz?)
Das ist auch nicht nötig, denn es ist bereits klar, dass die Anzahl der Schichten und Gewichte sehr groß ist.
Aber ich möchte noch etwas zur Frage der Anpassung sagen... Ein redundantes Netz ist wie ein System von 4 Gleichungen mit zwei Unbekannten. Entweder lernt das Netz auf triviale Weise alle Daten, oder die Lösung ist zwar korrekt, aber instabil.
Eine Anpassung im Wesentlichen.
Das ist verständlich. Wie bestimmt man die notwendige Angemessenheit eines Netzes? Wenn es Redundanz gibt, ist sie dann ausreichend?
Entweder lernt das Netz alle Daten.
Wie viele Daten kann das Netz lernen?
Reden wir über alle Netze oder über MLP?
Das ist verständlich. Wie bestimmt man die notwendige Angemessenheit eines Netzes? Wenn es Redundanz gibt, ist sie dann ausreichend?