Recherche d'un motif arbitraire à l'aide d'un réseau neuronal - page 5

Nouveau commentaire
 
Vladimir Simakov:
Peter. J'en déduis que pour vous le terme "mathématiques" s'arrête à son cours scolaire ? Il y a donc beaucoup plus que cela, y compris les algorithmes.

Oui, je connais les maths dans le cadre du programme scolaire. Un jour, j'ai demandé à un professeur en cours de géométrie analytique (celui qui traite des fonctions et des axes de coordonnées) : "Si une fonction construit une courbe sur un graphique, peut-on tracer une fonction à partir d'une courbe sur un graphique ?" et j'ai obtenu une réponse sans équivoque : "Non. C'est impossible." J'en ai conclu que les modèles peuvent être décrits mathématiquement mais qu'ils ne peuvent pas être identifiés car il est impossible d'obtenir la formule qui les a générés à partir des valeurs.

Il existe peut-être d'autres outils mathématiques. Dites-moi si vous le savez.
 

Voici un aperçu plus large des modèles.

https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD

 
Реter Konow:

Oui, je connais les maths dans le cadre du programme scolaire. Un jour, j'ai demandé à un professeur en cours de géométrie analytique (celui qui traite des fonctions et des axes de coordonnées) : "Si une fonction construit une courbe sur un graphique, peut-on tracer une fonction à partir d'une courbe sur un graphique ?" et j'ai obtenu une réponse sans ambiguïté : "Non. C'est impossible." J'en ai conclu que les modèles peuvent être décrits mathématiquement mais ne peuvent pas être identifiés car il est impossible de dériver une formule qui les génère à partir de leurs valeurs.

Il existe peut-être d'autres outils mathématiques. Dites-moi si vous en connaissez.

vous pouvez, à vue de nez, une méthode tabulaire de définition d'une fonction, l'interpolation

 
Igor Makanu:

vous pouvez, en un clin d'œil, utiliser une méthode tabulaire pour spécifier une fonction, une interpolation

Je peux me tromper, mais je pense que c'est ainsi que fonctionnent les réseaux neuronaux.

Un tableau de données est en quelque sorte disposé à l'intérieur d'une table, où chaque cellule est un neurone qui se souvient d'une valeur. Au cours du processus d'"apprentissage" (rechargement de nouvelles données), les valeurs des cellules sont agrégées et réduites à une plage. Finalement, chaque neurone se souvient de la plage de valeurs obtenue lors du cycle de chargement des données et produit un "modèle" (une matrice avec des valeurs de plage) qui, en tant que modèle, est appliqué au nouveau tableau de données et la "reconnaissance" se produit (si les données correspondent aux plages). C'est une déclaration d'amateur, mais c'est l'idée. Je me demande ce que les experts ont à dire.

Dans ce cas, les réseaux neuronaux sont idéaux pour la reconnaissance des formes.

 
Реter Konow:

Je peux me tromper, mais je pense que c'est ainsi que fonctionnent les réseaux neuronaux.

Un tableau de données est en quelque sorte disposé à l'intérieur d'une table, où chaque cellule est un neurone qui se souvient d'une valeur. Au cours du processus d'"apprentissage" (rechargement de nouvelles données), les valeurs des cellules sont agrégées et réduites à une plage.

1. dans le cas général, la réponse est non

2. dans un cas particulier, oui, mais cela dépend du type de SN.

1. la NS ne se caractérise pas par la "mémorisation d'un neurone" mais par la modification de son poids - la connexion entre les neurones, tout cela est clairement écrit sur le hubra et facile à lirehttps://habr.com/ru/post/312450/.

2. Il s'agit très probablement des réseaux de Hamminghttps://habr.com/ru/sandbox/43916/.

Et si vous avez décidé de vous y mettre sérieusement, vous aurez besoin de lire au moins un livre (pour comprendre que le prochain livre aura 80% de répétitions du livre précédent)) ), et au moins comprendre la différence entre la tâche de classification et de régression pour le NS - fondamentalement tout est construit sur elle, le reste sont des variations sur ce thème et les façons d'apprendre et les types de NS - Je n'ai pas étudié profondément, beaucoup de choses qui sont répétées, mais en essayant de présenter comme quelque chose de très nouveau en l'appelant un nouveau terme ... beaucoup de confusion, beaucoup de bruit ))))

 
Igor Makanu:

1. en général, la réponse est non

2. en tant que cas particulier, oui, mais cela dépend du type de SN

1. la NS ne se caractérise pas par la "mémorisation d'un neurone" mais par des changements de poids - la communication entre les neurones, en général c'est clairement écrit sur hubra et facile à lire https://habr.com/ru/post/312450/.

2. Il s'agit très probablement des réseaux de Hamminghttps://habr.com/ru/sandbox/43916/.

Et si vous avez décidé de vous y mettre sérieusement, vous aurez besoin de lire au moins un livre (pour comprendre que le prochain livre aura 80% de répétitions du livre précédent)) ), et au moins comprendre la différence entre la tâche de classification et de régression pour le NS - fondamentalement tout est construit sur elle, le reste sont des variations sur ce thème et les façons d'apprendre et les types de NS - Je n'ai pas étudié profondément, beaucoup de choses qui sont répétées, mais en essayant de présenter comme quelque chose de très nouveau en l'appelant un nouveau terme ... beaucoup de confusion et de bruit ))))

Merci, j'ai aimé le premier article, mais je ne comprends pas pourquoi le réseau fonctionne soudainement de cette façon. Il décrit tout simplement, mais il n'est pas du tout clair de quoi il s'agit. Juste des informations sans aucun exemple réel.

Poids, neurones, entrée et sortie, caché, synapses... Les valeurs sont nécessairement comprises entre 1 et 0. Pourquoi est-ce comme ça et pas comme ça ?

Comment entraîner un réseau sur des données dont le type n'est pas double, et au-delà de la plage de zéro et un ? Comment déclarer une couche ? Comment définir le nombre de neurones ? Où charger les données ?

En bref, je n'ai pas encore trouvé la solution.
 
Реter Konow:

Merci, j'ai aimé le premier article, mais je ne comprends pas pourquoi le réseau fonctionne soudainement de cette façon et pas autrement. C'est simple, mais on ne sait pas très bien de quoi il s'agit. Juste des informations sans aucun exemple réel.

Poids, neurones, entrée et sortie, caché, synapses... Les valeurs sont nécessairement comprises entre 1 et 0. Pourquoi exactement cela et pas autrement ?

Comment entraîner le réseau sur les données dont le type n'est pas double, et au-delà de la plage de zéro et un ? Comment déclarer une couche ? Comment définir le nombre de neurones ? Où charger les données ?

En bref, je n'ai pas encore trouvé la solution.

fonction d'activation google et normalisation des réseaux neuronaux

exemplehttps://www.mql5.com/ru/forum/5010#comment_329221 et c'est aussi sous alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746

mais vous devez lire un livre de toute façon, les essais et les erreurs ne sont pas une tâche facile.

 
Igor Makanu:

fonction d'activation google et normalisation du réseau neuronal

exemplehttps://www.mql5.com/ru/forum/5010#comment_329221 et le même sous alglib https://www.mql5.com/ru/forum/8265/page2#comment_333746

Mais vous avez toujours besoin d'une sorte de livre, vous ne pouvez pas le faire par cœur.

Ok. Je veux le découvrir par moi-même, et ensuite lire le livre. )

L'article indique que les réseaux peuvent être utilisés à trois fins : classification, prédiction et reconnaissance. Il s'avère alors que la reconnaissance des modèles de prix ne doit pas être basée sur les données de l'OCHL, mais sur les captures d'écran des graphiques. La reconnaissance par l'image fonctionne.

 
Реter Konow:

Il s'avère alors que la reconnaissance des modèles de prix ne doit pas être basée sur les données de l'OCHL, mais sur les captures d'écran des graphiques. La reconnaissance par l'image fonctionne.

hilarant ! )))

qu'est-ce qu'une capture d'écran ?

et qu'est-ce que l'OHLC ?

dans la représentation de la machine !

 
Igor Makanu:

(Rire !) )))

qu'est-ce qu'un écran ?

et qu'est-ce que l'OHLC ?

dans la représentation de la machine !

Eh bien, l'article sépare les trois applications des réseaux. C'est une chose de reconnaître à partir des données de prix, c'en est une autre de reconnaître à partir des données de couleur. Pourtant, les approches et les mécanismes sont complètement différents.

ZZZ. Les modèles de prix sont de nature graphique et non mathématique. Si l'on essaie de les reconnaître mathématiquement, on reste sur sa faim, mais graphiquement, c'est facile.

12345678910
Nouveau commentaire