Suche nach einem beliebigen Muster mit Hilfe eines neuronalen Netzes - Seite 3
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
Glauben Sie, dass es einen Unterschied zwischen "menschlichen Beschreibungen" und "neuronalen Netzen" gibt?
Ein neuronales Netz wird anhand von Beispielen trainiert, ohne dass auf die Details der Abhängigkeiten eingegangen wird.
Ganz genau. Zunächst sollten Sie 100500 Beispiele für verschiedene "Kopf-Schultern" vorbereiten und sie anhand dieser Beispiele unterrichten.
Eigentlich lassen sich Kursmuster durch Mathematik beschreiben, dazu braucht man keinen NS. Aber die Anzeichen für ein falsches Muster zu finden, ist genau die Aufgabe für NS.
Glauben Sie, dass es einen Unterschied zwischen "menschlichen Beschreibungen" und "neuronalen Netzen" gibt?
Ein neuronales Netz wird anhand von Beispielen trainiert, ohne dass auf die Abhängigkeiten eingegangen wird.
Dmitry, bitte erläutern Sie Ihre Antwort genauer, ja, sie gehen nicht ins Detail der Abhängigkeiten, aber es ist Mathematik, die zugrunde liegt, ich denke (imho), dass in der Grundlage des menschlichen Handelns auch Mathematik liegt, selbst ist es komplexer, aber auch 1+1=2
es ist komplexer, aber auch 1+1=2
für NS 1+1=2 , aber mit einer bestimmten Genauigkeit
Bei einigen Arten von NS ist nicht jedes Trainingsergebnis identisch mit dem vorherigen Training, aber sie (die Ergebnisse) werden gleich der Genauigkeit sein, die dem Trainingsfehler entspricht.
Die Grundlage von NS ist nicht so sehr die Mathematik (ja, NS-Training ist eine mathematische Berechnung), sondern die Art von NS, die Struktur von NS, die Aktivierungsfunktion, was lehren Sie NS Klassifizierung oder Regression ... D.h. man kann nicht einfach sagen, dass NS mir dieses Ergebnis gegeben hat - es ist richtig oder umgekehrt, NS lügt. NS ist eine Blackbox, nicht weil Sie es so nennen wollen, sondern weil NSdas Blackbox-Modell verwendet
Dimitri, bitte erläutern Sie Ihre Antwort ausführlicher, ja, sie gehen nicht ins Detail der Abhängigkeiten, aber es ist Mathematik, die zugrunde liegt, ich denke (imho), dass die menschlichen Handlungen auch auf Mathematik basieren, selbst ist es komplexer, aber auch 1+1=2
Sie müssen ein wenig darüber wissen, wie neuronale Netze verwendet werden. Es gibt ein Eingabebild und ein Ausgabeergebnis. Mit einer bestimmten Anzahl solcher Paare (Eingangsbild - Ausgang) wird ein Neuronennetz trainiert. Und es interessiert niemanden, warum ein Bild ein solches Ergebnis liefert, es gibt nur eine Reihe von erfahrenen Fakten und das ist alles. Dann wird das analysierte Bild in den Eingang des trainierten Netzes eingespeist, und das Ergebnis wird am Ausgang angezeigt.
Sie müssen ein wenig darüber wissen, wie neuronale Netze verwendet werden. Es gibt ein Eingabebild und ein Ausgabeergebnis. Mit einer großen Anzahl solcher Paare (Eingabebild - Ausgabeergebnis) wird ein neuronales Netz trainiert. Und es interessiert niemanden, warum ein Bild ein solches Ergebnis liefert, es gibt nur eine Reihe von erfahrenen Fakten und das ist alles. Dann erhält ein trainiertes Netz ein zu analysierendes Bild und sieht sich das Ergebnis am Ausgang an.
Sie haben nun das Lernen mit einem Lehrer beschrieben. Wenn es möglich ist, historische Daten zu sammeln und das Netz aufzufordern, das mathematische Gesetz (Modell) zu finden, das diese Daten so genau wie möglich beschreiben würde. Aber manchmal gibt es keine historischen Daten als solche, sondern ein Bündel von Mustern, die zerlegt, sozusagen aussortiert werden müssen. All dies wird von verschiedenen Netzen durchgeführt. Das heißt, es wird ein mehrstufiges KI-System entworfen, bei dem ein Netz die Muster sortiert und ein anderes ihre Gültigkeit definiert. Frage: Warum brauchen wir den ersten NS, wenn wir sie mathematisch OHNE NS in den Regalen anordnen können? Viel interessanter ist die Antwort auf die andere Frage nach der Wahrheit des gebildeten Musters.
Möchten Sie einen wichtigen Tipp geben!!!!!!?????? Ich kann es in deinen Augen sehen :-) OK, ich gebe ein Beispiel.
Wenn wir ein Muster als eine vollendete Tatsache betrachten (Muster gebildet), dann gibt es uns nur einen Moment, um den Markt zu analysieren. Nehmen wir an, wir beginnen innerhalb des nächsten Taktes, nachdem sich das Muster gebildet hat, unsere eigenen Berechnungen anzustellen. Das heißt, das Muster selbst gibt uns nur den Zeitpunkt an, zu dem wir die Berechnung durchführen sollten, aber wir überlassen es der NS, zu entscheiden, um welche Art von Muster es sich handelt, welche Bedingungen zu seiner Entstehung geführt haben und was bei seiner Entstehung geschehen ist. Wenn wir die Bedingung berücksichtigen, dass jedes Muster uns nur den Moment gibt, in dem es analysiert wird, dann werden wir mit einem Satz von 10 Mustern viel mehr Balken für die Analyse erhalten. Es ist nicht nötig, ein Netz für "Kopfschultern", ein anderes für "drei Soldaten" usw. zu trainieren. Aber es ist notwendig, die NS darüber zu informieren, um welche Art von Muster es sich handelt, und das ist sehr einfach.
Wir haben also einen Indikator entwickelt, der mindestens 5 Kauf- und 5 Verkaufsmuster erkennen kann. Natürlich ist die zukünftige Reihenfolge der Muster nicht bekannt und sie erscheinen chaotisch. Dem NS ist es egal, um welche Art von Muster es sich handelt, er betrachtet den Eingabedatensatz zum Zeitpunkt der Bildung eines beliebigen Musters, und theoretisch werden sich die Eingabedatensätze, wenn sich die Muster drastisch unterscheiden, auch so stark unterscheiden, dass das Netz dies erkennt. Aber das ist uns nicht genug, und wir wollen dem Netz mit Nachdruck mitteilen, um welche Art von Muster es sich handelt. Es ist sehr einfach zu machen. Die Muster werden von -5 bis +5 kodiert, und die Eingabewerte werden in der frühesten Phase der Datenumwandlung multipliziert. Bei der Multiplikation werden die Daten entlang der Y-Achse gestreut, so dass die Daten eines Musters mit der gleichen Zahl multipliziert und um einen bestimmten Abstand verschoben werden. Folglich sind die Eingaben abhängig vom Mustertyp. Was wir also letztendlich haben:
1. Wir schreiben einen Basisindikator, der Muster definiert und Signale für die Analyse bildet.
2. den Satz der Eingabedaten festlegen
Bestimmung der internen Struktur des NS, der Schulungsmethoden, der Methoden zur Fehleranalyse usw.
4. Legen Sie im Basisindikator einen Puffer für die Ausgangsvariable an. Denken Sie daran, dass wir das Ergebnis des letzten Musters nicht kennen. Der Puffer sollte so beschaffen sein, dass die zukünftigen Werte den Mustern zugeordnet werden. Wenn wir die Trainingsdatei speichern, kennen wir die Ergebnisse von ALLEN Mustern außer dem letzten.
5. Wir erarbeiten eine Methode zur Überprüfung der erhaltenen Modelle auf ihre Generalisierungsfähigkeit.
Das ist es......
Und noch ein weiterer interessanter Punkt kam mir in den Sinn, als ich mir den Namen der Niederlassung ansah.
Angenommen, wir wollen beliebige Muster mit NS finden, die wir nicht kennen. Frage: Wenn wir die Muster selbst nicht kennen, was ist dann bekannt? Richtig, wir kennen die Reaktionen auf diese Muster, oder besser gesagt, wir müssen selbst entscheiden, unter welchen Bedingungen wir nach diesen Mustern suchen. Formulieren wir die Aufgabenstellung:
Suche nach Mustern von 5 Kerzenständern, nach denen sich der Kurs während der nächsten 4 Kerzenständer um mehr als 10% ändert. Natürlich können wir eine solche Entladung aus der Historie veranlassen und eine Trainingsdatei erstellen, die nur 5 Balken enthält, die der Marktreaktion für jeden Fall vorausgehen. Dann bringen wir dem Netz bei, dass es für die Balken vor jedem Anstieg 1 und für alle anderen Balken -1 anzeigt. Nach dem Training beginnen wir damit, die Daten der letzten 5 Takte Takt für Takt an den Eingang des Netzes zu senden, und wenn das Raster 1 anzeigt, dann enthalten die Eingänge genau das gleiche oder ein ähnliches Muster wie in unserem Training.
Bei diesem Ansatz wissen wir nicht, um welche Art von Muster es sich handelt und wie seine Parameter lauten. Beachten Sie, dass ich die Eingaben auf 5 Balken begrenzt habe, wenn diese Zahl fließend ist. Wenn wir während des Trainings auch das Eingabefenster abstimmen, steigt die Anzahl der Optimierungsergebnisse um ein Vielfaches und die Anzahl der Muster wird zur Anzahl der gespeicherten Daten, wenn jeder Datensatz so einzigartig ist, dass wir aus 1000 Datensätzen 1000 Cluster haben. IMHO!
Ich glaube, dass dieser Ansatz seine Berechtigung hat, auch wenn er gewisse Grenzen hat. Zumindest verstößt es nicht gegen kritische Regeln, wie z. B. das Spähen usw.
Ob mit oder ohne Lehrer - eine andere Perspektive auf dieselbe Sache. Die Situation und ihr Ergebnis müssen bekannt sein; wenn es das nicht gibt, kann man nichts lehren. Und die Gabe Gottes mit dem Ei - also die Lehre und die Einordnung - braucht man nicht.
Wenn man ohne Lehrer lernt, weiß man in der Regel nicht, wie das Ergebnis aussehen wird.
Mihail Marchukajtes:
Michael, das neuronale Netz funktioniert ein wenig anders. Es funktioniert nicht so, wie Sie es wollen.
Wenn man ohne Lehrer lernt, ist das Ergebnis in der Regel unbekannt.
Nur Klassifizierung. Das Netz lernt, zwischen Situationen (Bildern) zu unterscheiden, aber es kann nicht wissen, was in welchem Fall zu tun ist oder wie welches Bild zu nennen ist.