Suche nach einem beliebigen Muster mit Hilfe eines neuronalen Netzes - Seite 5
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
Peter. Ich gehe davon aus, dass für Sie der Begriff "Mathematik" mit dem Schulunterricht endet? Es gibt also noch eine ganze Menge mehr, einschließlich Algorithmen.
Ja, ich kenne die Mathematik im Rahmen des Schullehrplans. Ich fragte einmal einen Lehrer in der Klasse für analytische Geometrie (in der es um Funktionen und Koordinatenachsen geht): "Wenn eine Funktion eine Kurve auf einem Graphen bildet, kann dann eine Funktion aus einer Kurve auf einem Graphen gezeichnet werden?" und erhielt die eindeutige Antwort: "Nein. Das ist unmöglich." Daraus schloss ich, dass Muster zwar mathematisch beschrieben werden können, aber nicht identifiziert werden können, weil man die Formel, die sie erzeugt hat, nicht aus den Werten ableiten kann.
Vielleicht gibt es andere mathematische Werkzeuge. Sagen Sie es mir, wenn Sie es wissen.Hier ist ein umfassenderer Blick auf die Muster.
https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD
Ja, ich kenne mich mit Mathematik im Rahmen des Lehrplans aus. Ich fragte einmal einen Lehrer in der Klasse für analytische Geometrie (in der es um Funktionen und Koordinatenachsen geht): "Wenn eine Funktion eine Kurve auf einem Graphen bildet, kann man dann eine Funktion aus einer Kurve auf einem Graphen zeichnen?" und erhielt die eindeutige Antwort: "Nein. Das ist unmöglich." Daraus schloss ich, dass Muster zwar mathematisch beschrieben, aber nicht identifiziert werden können, weil es unmöglich ist, eine Formel abzuleiten, die sie aus ihren Werten erzeugt.
Vielleicht gibt es noch andere mathematische Hilfsmittel. Sagen Sie mir, ob Sie welche kennen.eine tabellarische Methode zur Definition einer Funktion, Interpolation
können Sie auf einen Blick eine tabellarische Methode zur Angabe einer Funktion, einer Interpolation
Ich könnte mich irren, aber ich glaube, so funktionieren neuronale Netze.
Eine Reihe von Daten ist in einer Art Tabelle angeordnet, wobei jede Zelle ein Neuron ist, das sich einen Wert merkt. Beim "Lernen" (Nachladen neuer Daten) werden die Werte in den Zellen aggregiert und auf einen Bereich reduziert. Schließlich merkt sich jedes Neuron den Wertebereich, den es im Datenladezyklus erhalten hat, und erstellt ein "Modell" (eine Matrix mit Wertebereichen), das als Vorlage auf die neue Datentabelle angewandt wird, und es kommt zur "Erkennung" (wenn die Daten in die Bereiche passen). Etwas laienhaft ausgedrückt, aber das ist die Idee. Ich frage mich, was die Experten zu sagen haben.
In diesem Fall sind neuronale Netze ideal für die Mustererkennung.
Ich könnte mich irren, aber ich glaube, so funktionieren neuronale Netze.
Eine Reihe von Daten wird in einer Art Tabelle angeordnet, wobei jede Zelle ein Neuron ist, das sich einen Wert merkt. Beim "Lernen" (Nachladen neuer Daten) werden die Werte in den Zellen aggregiert und auf einen Bereich reduziert.
1. im allgemeinen Fall lautet die Antwort nein
2. als Sonderfall: ja, aber es hängt vom NS-Typ ab
1. NS zeichnet sich nicht durch das "Auswendiglernen eines Neurons" aus, sondern durch die Veränderung seines Gewichts - der Verbindung zwischen den Neuronen, alles in allem ist es klar auf der Hubra geschrieben und leicht zu lesenhttps://habr.com/ru/post/312450/.
2. es handelt sich höchstwahrscheinlich um Hamming-Netzehttps://habr.com/ru/sandbox/43916/
Und wenn Sie sich entschlossen haben, sich ernsthaft damit zu befassen, müssen Sie mindestens ein Buch lesen (um zu verstehen, dass das nächste Buch 80% Wiederholungen des vorherigen Buches haben wird)), und zumindest den Unterschied zwischen der Klassifizierung Aufgabe und Regression für die NS verstehen - im Grunde ist alles darauf aufgebaut, der Rest sind Variationen zu diesem Thema und Möglichkeiten des Lernens und Arten von NS - ich habe nicht tief studiert, viele Dinge, die wiederholt werden, aber versuchen, als etwas ganz Neues zu präsentieren, indem es einen neuen Begriff ... viel Verwirrung, viel Lärm ))))
1. Im Allgemeinen lautet die Antwort nein.
2. als Sonderfall: ja, aber das hängt von der Art des NS ab
1. NS ist nicht durch das "Erinnern eines Neurons" gekennzeichnet, sondern durch Gewichtsveränderungen - Kommunikation zwischen Neuronen, im Allgemeinen ist es klar auf Hubra geschrieben und leicht zu lesen https://habr.com/ru/post/312450/
2. es handelt sich höchstwahrscheinlich um Hamming-Netzehttps://habr.com/ru/sandbox/43916/
Und wenn Sie sich entschlossen haben, sich ernsthaft damit zu beschäftigen, müssen Sie mindestens ein Buch lesen (um zu verstehen, dass das nächste Buch 80% Wiederholungen des vorherigen Buches haben wird)), und zumindest den Unterschied zwischen der Klassifizierung Aufgabe und Regression für die NS verstehen - im Grunde ist alles darauf aufgebaut, der Rest sind Variationen zu diesem Thema und Möglichkeiten des Lernens und Arten von NS - ich habe nicht tief studiert, viele Dinge, die wiederholt werden, sondern versuchen, als etwas ganz Neues zu präsentieren, indem es einen neuen Begriff ... eine Menge Verwirrung und Lärm ))))
Danke, der erste Artikel hat mir gefallen, aber ich verstehe nicht, warum das Netz plötzlich so funktioniert. Es wird alles einfach beschrieben, aber es ist überhaupt nicht klar, worum es eigentlich geht. Nur Informationen ohne konkrete Beispiele.
Gewichte, Neuronen, Input und Output, versteckt, Synapsen... Die Werte liegen notwendigerweise zwischen 1 und 0. Warum ist das so und nicht so?
Wie kann das Netz auf Daten trainiert werden, deren Typ nicht doppelt ist und die nicht im Bereich von Null und Eins liegen? Wie deklariert man eine Ebene? Wie wird die Anzahl der Neuronen festgelegt? Wohin sollen die Daten geladen werden?
Kurz gesagt, ich habe es noch nicht herausgefunden.Danke, der erste Artikel hat mir gefallen, aber ich verstehe nicht, warum das Netz plötzlich so funktioniert und nicht anders. Es ist einfach, aber es ist nicht klar, worum es eigentlich geht. Nur Informationen ohne konkrete Beispiele.
Gewichte, Neuronen, Input und Output, versteckt, Synapsen... Die Werte liegen zwangsläufig zwischen 1 und 0. Warum genau so und nicht anders?
Wie kann das Netz auf Daten trainiert werden, deren Typ nicht doppelt ist und die nicht im Bereich von Null und Eins liegen? Wie deklariert man eine Ebene? Wie wird die Anzahl der Neuronen festgelegt? Wohin sollen die Daten geladen werden?
Kurz gesagt, ich habe es noch nicht herausgefunden.google Aktivierungsfunktion und Normalisierung des neuronalen Netzes
Beispielhttps://www.mql5.com/ru/forum/5010#comment_329221 und es ist auch unter alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746
aber Sie müssen trotzdem ein Buch lesen, denn Versuch und Irrtum sind keine leichte Aufgabe.
google Aktivierungsfunktion und Normalisierung des neuronalen Netzes
Beispielhttps://www.mql5.com/ru/forum/5010#comment_329221 und das gleiche unter alglib https://www.mql5.com/ru/forum/8265/page2#comment_333746
aber man braucht trotzdem ein Buch, wissenschaftliches Rätselraten reicht nicht aus.
Gut. Ich will es selbst herausfinden und dann das Buch lesen. )
In dem Artikel heißt es, dass es drei Verwendungsmöglichkeiten für Netze gibt: Klassifizierung, Vorhersage und Erkennung. Dann stellt sich heraus, dass die Erkennung von Kursmustern nicht auf OCHL-Daten, sondern auf Chart-Screenshots basieren sollte. DieErkennung mit Bildern funktioniert.
Dann stellt sich heraus, dass die Erkennung von Kursmustern nicht auf OCHL-Daten, sondern auf Chart-Screenshots basieren sollte. Die Erkennung mit Bildern funktioniert.
urkomisch! )))
Was ist ein Bildschirmfoto?
und was ist OHLC?
in Maschinendarstellung!
(Lacht!) )))
Was ist ein Bildschirm?
und was ist OHLC?
in Maschinendarstellung!
In dem Artikel werden die drei Anwendungen der Netze unterschieden. Es ist eine Sache, anhand von Preisdaten zu erkennen, eine andere ist es, anhand von Farbdaten zu erkennen. Dennoch sind es völlig unterschiedliche Ansätze und Mechanismen.
ZZZ: Kursmuster sind grafischer Natur, nicht mathematisch. Wenn man versucht, sie mathematisch zu erkennen, ist man ratlos, aber grafisch ist es einfach.