Rete neurale - pagina 12
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Questo però lo adoro. >>) Quanto ci ho sofferto a suo tempo, prima del forex:).
Le tue agonie hanno portato il risultato tanto atteso sotto forma di aumento della tua ricchezza personale creando e utilizzando con successo il consulente esperto sulle reti neurali? O forse sono tutte stronzate. :)
>>Quali sono le uscite, gli ingressi?
Quanti valori di insegnante è meglio usare per addestrare una rete neurale? Per esempio, se ci sono quattro azioni possibili sulle risposte della rete. Se si usano 4 valori, ho notato che l'errore è maggiore che se si smussano i valori medi. Quanti sono ottimali? Nel file allegato, a sinistra le uscite reali, a destra i valori su cui la rete è stata addestrata.
E le tue torture hanno portato il risultato tanto atteso nell'aumento di un benessere finanziario personale per mezzo della creazione di successo e l'applicazione nella vita del consigliere su reti neuronali? O forse è spazzatura. :)
Kohonen sì, a volte aiuta. BackProp - hai bisogno di un insegnante. Provato l'insegnamento, il risultato è negativo. Bisogna sapere dove trovare un insegnante. Per quanti articoli ho letto, sono tutte sciocchezze. Così l'ho buttato nella spazzatura. Forse mi sbaglio e qualcun altro qui vi dirà del backprop. A proposito ci sono alcune cose interessanti in Makarenko, Golovko, per esempio nelle sue lezioni sulla neuroinformatica MEPhI, vi consiglio di leggerle.
Bisogna sapere dove trovare un insegnante.
Non puoi scriverlo tu?
Non puoi scriverlo tu?
Se ci sono suggerimenti per le uscite della rete, cioè per gli insegnanti, si prega di indicare il vostro punto di vista sulla situazione. Non sono stato in grado di ottenere alcun risultato. All'inizio sembrava figo, poi è andato in discesa.
Ho provato a usare lo script per cercare vettori di input incoerenti. Se il vettore di ingresso ha una deviazione data o coincide completamente con un altro vettore, vedi cosa dice l'insegnante su quelle barre. Se dice risultati direttamente opposti - gli input sono incoerenti. Gli ingressi sono l'indicazione AO, l'insegnante è l'analogo di MRR del diploma di Ivanov. Così, se la deviazione è impostata non uguale a zero ma un po' più grande (per esempio 0,5), lo script trova molti vettori contraddittori. Se la deviazione è ancora più grande, ne trova ancora di più, ecc. In altre parole, si scopre che ogni vettore è completamente individuale. Allora come si può cercare di combinare i vettori in gruppi di vettori simili in un caso simile, come fa la rete Kohonen?
Una piccola domanda per il pubblico.
Ho provato a cercare vettori di input incoerenti usando uno script. Se un vettore di ingresso ha una deviazione data o coincide completamente con un altro vettore, vedi cosa dice l'insegnante su queste barre. Se dice risultati direttamente opposti - gli input sono incoerenti. Gli ingressi sono l'indicazione AO, l'insegnante è l'analogo di MRR del diploma di Ivanov. Così, se la deviazione è impostata non uguale a zero ma un po' più grande (per esempio 0,5), lo script trova molti vettori contraddittori. Se la deviazione è ancora più grande, ne trova ancora di più, ecc. In altre parole, si scopre che ogni vettore è completamente individuale. Allora come si può cercare di combinare i vettori in gruppi di vettori simili in un caso simile, come fa la rete Kohonen?
Non si tratta del fatto che ogni vettore sia individuale o meno. Si tratta di come è composto il vettore stesso. Comprendete che una rete neurale è solo uno strumento per interpretare i dati, non è una "intelligenza artificiale intelligente", che può essere alimentata con tutto quello che volete e capirà tutto da sola. Il NS funziona secondo la regola più primitiva del riflesso condizionato - impatto->reazione. Questo è il motivo per cui mostrate i segnali AO ad esso, o qualsiasi altro indicatore, o il vostro oroscopo in generale - non importa; se il segnale iniziale non contiene informazioni utili, la rete non ne trarrà nulla. Pensate, avete mostrato, diciamo, venti campioni di AO. E ora immaginate quante diverse varianti di situazioni di mercato potrebbero portare a formare una tale (o "quasi tale" - in termini di correlazione) sequenza. Anche se ce ne sono solo due (un caso limite) - la probabilità che diano risultati diametralmente opposti non è affatto trascurabile. E se ce ne fossero altri? E in generale, come potrebbe sapere se le hai mostrato AO o AC, o un grafico dell'attività solare? È da qui che provengono i cosiddetti "vettori incoerenti" - dai dati grezzi, perché la cosiddetta incoerenza dice in realtà che la rete, o meglio il modello matematico che descrive, semplicemente non può prendere decisioni in questa situazione a causa della mancanza di argomenti sufficienti.
Non sprecate il vostro tempo nell'addestramento di reti sul prezzo nudo e su indicatori lineari come l'AO - è una fase del passato, un numero enorme di esperimenti ha dimostrato che è almeno poco redditizio. Scavare nella parte non lineare, isolare i componenti principali, ecc. La rete funzionerà con successo solo quando analizzerà dati significativi - e solo la testa del programmatore può dargli un senso (non necessariamente l'unica - può essere collegata a vari strumenti tecnici).
I dati non lineari sono dati non ordinati?
Direi piuttosto che riflette in una certa misura l'essenza sottostante dei processi che si svolgono piuttosto che le loro manifestazioni esterne. Che cosa ha un trader per iniziare? C'è un flusso di notizie, un flusso di prezzi e un flusso di volumi (in effetti, i dati non sono coerenti). E se gli ultimi due oggetti sono già "matematizzati" per così dire - espressi in numeri, allora con le notizie il problema è più complicato - in primo luogo, devono essere ottenuti, e in secondo luogo, in qualche modo formalizzati (beh, questo è un argomento separato, c'è stato anche un thread su questo recentemente).
Quindi, il nostro compito è quello di mostrare tutto questo a una rete neurale in una forma digeribile. Cioè immaginate un pappagallo a cui è stato insegnato per centinaia di anni a rispondere in un certo modo a frasi abbastanza specifiche, per esempio "comprare" "vendere" e "sitikuri". Ovviamente, sarebbe ragionevole dargli per esempio frasi come "il prezzo si è comportato così e così negli ultimi due giorni (saliva da così e così a così e così, poi scendeva, poi - presta particolare attenzione, Popka - faceva così e così), i volumi delle transazioni erano così e così, il mercato reagiva alle notizie che venivano pubblicate così e così, e tutto questo accadeva sullo sfondo della tendenza così e così". - E nella sua testa di pappagallo dopo i cento anni menzionati - forse anche inconsciamente - si formerà un quadro della situazione del mercato, dopo il quale darà con una certa probabilità la risposta corretta. Se gli diciamo che "il prezzo era così ieri, così ieri, e così via per un mese", semplicemente non saprà a cosa aggrapparsi, perché il compito di individuare elementi significativi nel flusso omogeneo di informazioni sarà un pesante fardello per il suo piccolo cervello. Così avrà al massimo una vaga idea di cosa cercare quando si prende una decisione, e se abbiamo intenzione di rimproverarlo troppo diligentemente per le risposte sbagliate (leggi: allenamento con un insegnante :), sarà completamente perso e lascerà il processo di apprendimento completamente ignorante.
Un'altra analogia: come usiamo i nostri occhi per riconoscere gli oggetti? In parole povere, la nostra coscienza non analizza un insieme di pixel provenienti direttamente dalla retina; riceve un'immagine visiva già pronta per l'analisi e il riconoscimento - cioè, per capire ciò che vediamo, le sezioni cerebrali corrispondenti insieme all'immagine stessa ci forniscono già una lista di caratteristiche a cui prestare attenzione; cioè, i dati sono già preparati per l'analisi finale; contengono già un certo carico semantico.
Scegliere l'essenziale e scartare l'irrilevante è ciò che intendo per elaborazione non lineare.