Redes neuronales híbridas. - página 19
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Está en el primer año de universidad. De hecho, pasé por ello en el instituto. Lo único que importa es el maestro, que es esencialmente el tipo de error en la salida de la red.
Lo importante es el planteamiento del problema. La forma de enseñar (el profesor) el error a la salida de la red es de importancia secundaria.
El planteamiento del problema es importante. La forma de entrenar (enseñar) el error en la salida de la red es secundaria.
Una red neuronal que aprende a sumar 2+3 tendrá un error MSE. Una red neuronal que aprende a reconocer patrones tendrá un error diferente. ¿O está sugiriendo interpretar el enunciado del problema en otros términos?
Una red neuronal que aprende a sumar 2+3 tendrá un error MSE. Una red neuronal que aprende a reconocer patrones tendrá un error diferente. ¿O está sugiriendo interpretar el enunciado del problema en otros términos?
El planteamiento del problema es lo que se intenta hacer, con una red. Usemos un ejemplo, tengamos una función x(t) = 4*x(t-1)*(1 - x(t-1)).
Vamos a aproximar su valor para t=100,150; construyendo respectivamente una muestra de entrenamiento y una muestra de prueba como extensión de la muestra de entrenamiento.
X0 = 0,2, muestra de entrenamiento - 100, elementos de 1 a 100. El de formación tiene 50 elementos de 100 a 150.
En el atacha .rar hay gráficos:
learning-1.gif - muestra de entrenamiento
prueba-1.gif - prueba
learning-2.gif - distribución de los valores de la muestra de entrenamiento
Empecemos a entrenar, respectivamente, la entrada X y esperemos X+1 a la salida, la red 1-6-1. Entrenamiento por método de gradiente con paso adaptativo.
Así, el par de entrenamiento {X,D}, donde D=X(t+1)
En el proceso de formación tenemos
MSE: 0,3549103488
Época: 3375
error.gif - gráfico de error
Probemos en la muestra de prueba
Error de comprobación
MSE: 0,7089074281
test-2.gif - gráfico de prueba, datos de salida esperados y lo que muestra el modelo de red.
test-3.gif - gráfico de la distribución de los valores de la muestra de prueba
Es decir, se ha alcanzado el objetivo
¿cómo ajustar el ritmo de aprendizaje de forma no lineal?
Pues bien, en este caso he utilizado un paso adaptativo, que se calcula en función de dE/dW.
rip, ¿cómo se aplica esta función a las divisas? ¿Calculan también los MSE?
rip, ¿cómo se aplica esta función a las divisas? ¿Calculan también el MSE?
De ninguna manera :) Es una de las funciones de prueba para ver si la red funciona correctamente.
De ninguna manera :) Es una de las funciones de prueba, que permite ver si la red funciona correctamente.
Me refiero al método de aprendizaje de parada. ¿Qué criterio utiliza para ello en relación con el mercado de divisas? En este ejemplo se ha utilizado el error cuadrático medio.
Me refiero al método de dejar de aprender. ¿Qué criterio utiliza para ello en relación con el mercado de divisas? En este ejemplo se ha utilizado el error cuadrático medio.
MSE