Ricerca di un modello arbitrario utilizzando una rete neurale - pagina 7

 
Реter Konow:

Pensate che la NS sia una "bacchetta magica", che qualunque cosa le si dia, si ottiene sempre ciò di cui si ha bisogno? Non importa che tipo di dati, non importa quanto siano grandi, sono tutti uguali - i numeri per NS.

Allora non capisco, dov'è l'algoritmo che trova tutti i modelli possibili? Dov'è questo "onnipotente" NS? Hanno studiato MO per così tanto tempo e ancora nessun "pattern recognizer" nell'arsenale di MT.

non secondo me, e il NS è un algoritmo, il fatto che questo algoritmo si chiami NS... beh, è necessario per l'industria, il problema principale è solo nella preparazione dei dati - sono letteralmente preparati a mano, o quasi a mano

ZS: Ci sono sistemi di predizione, ci sono algoritmi di autoapprendimento... Cercate su youtube su Tesla, otterrete molto - ci sono informazioni sulle tecnologie avanzate di riconoscimento - se non volete leggere, ma ho il sospetto che finirete su un video popolare, dove tutto è un po' intelligente e non fatto da ingegneri ))))

 
Igor Makanu:

non secondo me, ma NS è un algoritmo, il fatto che questo algoritmo si chiami NS... Beh, per l'industria, il problema principale è nella preparazione dei dati - sono letteralmente preparati a mano, o quasi.

Quindi è di questo che si tratta. Il risultato dipende dai dati. E qui i dati sono fondamentalmente diversi, sia nel tipo, nel volume e nel contenuto. Forse, no, sicuramente, dovrebbe influenzare il risultato.
 

Peter, in generale non voglio entrare nel tuo ragionamento spaziale, ricordo l'argomento su OOP, raramente ti permetti di leggere fonti primarie, e senza la comunicazione di matrice con te sembrerà che combatterò ancora una volta con i mulini a vento - qui sono stanco di questo, con tutto il rispetto per le persone non familiari.... Ci sono un sacco di bestemmie qui.

)))

 
Igor Makanu:

...

ZS: ci sono sistemi di predizione, ci sono algoritmi di autoapprendimento... Ma tutto sommato è un lavoro con numeri basati su un algoritmo, c'è anche un database, ma ancora raccolgono dati per lo più a mano, guarda su youtube su Tesla, otterrai molto - ci sono informazioni su tecnologie di riconoscimento avanzate - se non vuoi leggere, ma sospetto che arriverai al video popolare, dove tutto è una sorta di intelligente e non gli ingegneri stavano facendo )))

Darò un'occhiata. È interessante. Ma ho letto il suo articolo, e separa chiaramente le aree di applicazione delle reti. Classificazione, previsione, riconoscimento. Stiamo parlando di riconoscimento, e quindi i dati devono avere un carattere "visivo". Beh, è almeno logico.

 
Реter Konow:
Come esperto puoi fare un NS che riconosce almeno 5 pattern su qualsiasi grafico e timeframe?

Quale grafico e quale timeframe non ha alcuna importanza. 5 modelli è sul compito, le reti utilizzate per riconoscere interi alfabeti nel secolo scorso.

 
Igor Makanu:

Peter, in generale non voglio entrare nel tuo ragionamento spaziale, ricordo il topic su OOP, raramente ti permetti di leggere fonti primarie, e senza la comunicazione di matrice con te sembrerà che combatterò ancora una volta con i mulini a vento - qui sono stanco di questo, con tutto il rispetto per le persone non familiari.... Ci sono un sacco di bestemmie qui.

)))

Quindi questo è il compagno che lo spiegherebbe. Avrei accettato. Altrimenti, ridendo, le generalità... Va bene, grazie ed è tutto.
 
Dmitry Fedoseev:

Quale grafico e quale timeframe non ha alcuna importanza. 5 modelli è sul compito, le reti utilizzate per riconoscere interi alfabeti nel secolo scorso.

Il tuo NS deve aver riconosciuto tutti gli schemi già da molto tempo.
 
Реter Konow:
Quindi questa è la parte del compagno e verrebbe spiegata. L'avrei accettato. Altrimenti, ridere, parole generali... Ok, grazie ed è tutto.

Non so come insegnare, i link - sì tutto google, hobr hai già trovato, ci sono articoli sul NS dal livello di un puro zero, al livello di un professionista

ma scaricare qualsiasi libro, come ho scritto sopra - qualsiasi prossimo libro sul NS più della metà ripeterà il primo, ahimè questo è come la spiegazione del materiale NS - l'essenza è abbastanza piccola, per lo più si riduce a quale tipo di NS utilizzare e la preparazione dei dati

 
Реter Konow:
Questo è quello che ho scritto, questo è quello che fa. Identifica coerentemente le forme scalando il fuoco dello sguardo. A proposito, si opera con l'informazione allo stesso modo. Astrarre e dettagliare costantemente il significato.

No, non è affatto così. Un uomo sceglie la cosa principale. Qualcosa che spicca.

 
Реter Konow:
Devi aver fatto riconoscere tutti gli schemi alla NS molto tempo fa.

No. Li riconosco in altri modi.