スクリプト形式のニューラルネットワーク - ページ 2

新しいコメント
 
YuraZ:
コンバット
このスクリプトのロジックは、何か単純な4v2エンコーダーに似ています。

ギズモはもちろん面白いです


しかし、ネットが訓練されたものは、必ず映るのです


今度は、トレーニングで見たことのないものをインプットさせてみてください

彼女は気が狂っている！




test_pat[0] = 1 ;
test_pat[1] = 1 ;
test_pat[2] = 0 ;
test_pat[3] = 0 ;
test_the_network() ;
Print(MathRound( ol_a[0]), " 1100 ", MathRound(ol_a[1]) ) ;

彼女は答える 1 0

論理的には1 1と答えるべきですが

---

正しいネットワークはまさにその通り、学習過程でそのようなデータを見ていないにもかかわらず、1 1と答えるのです!



ネットワークに次のような例を教えてみてください。


OUTPUT = INPUT

30.00 = 100.00
27.50 = 87.50
25.00 = 75.00
20.00 = 50.00
15.00 = 25.00
13.75 = 18.75
12.50 = 12.5
11.25 = 6.25
10.00 = 0.00

を入力し、例えば62.5を入力すると、22.50の出力が得られるはずです。


MUST = INPUT

22.50 - 62.5

これは、ネットワークが皮なしのピーナッツのように扱われるスケーリングの簡単な例です。



このアルゴリズムでは、4つの入力と2つの出力があります。



だから、ネットワークをこのように教えなければならないのです。

______ входы_______________выходы

1______2_______3______4 _____1______2

30.00_ 100.00_ 27.50_ 87.50_ 25.00_ 75.00


しかし、その前にすべてを100で割って、ネットワーク0〜1の範囲に入る必要があります。

この範囲外では、ネットワークは学習しません。まあ、教えたとおりに反応するわけではないのですが......。


______ входы_______________выходы

1______2_______3______4 _____1______2

0,30___ 1,0___ 0,275_ 0,875___ 0,25___ 0,75


データ準備の例:

 

叙情的な余談ですが...。;)

Белл с 1873 г. пытался сконструировать гармонический телеграф, добиваясь возможности передавать по одному проводу одновременно семь телеграмм (по числу нот в октаве). Он использовал семь пар гибких металлических пластинок, подобных камертону, при этом каждая пара настраивалась на свою частоту. Во время опытов 2 июня 1875 г. свободный конец одной из пластинок на передающей стороне линии приварился к контакту. Помощник Белла механик Томас Ватсон, безуспешно пытаясь устранить неисправность, чертыхался, возможно, даже используя не совсем нормативную лексику.

別室で受信板を操作していたベルは、鍛え上げられた敏感な耳で、電線から伝わってくる音を聞き取った。プレートの両端が自然に柔軟な膜となり、磁石の磁極の上に乗って磁束を変化させる。その結果、ワトソンのつぶやきによって、線路に流れる電流は空気の振動によって変化し、これが電話発祥の瞬間となったのである。ベルは9ヵ月間、自分のアイデアを完成させた。1876年2月14日に特許を申請し、3月7日に認可された。

その3日後の1876年3月10日、ボールのアパートと屋根裏の実験室を結ぶ12メートルの電線から、歴史に残る最初の明確なフレーズが発信された。
"ワトソン君" "こっちへおいであなたが必要なの！"



-Wiki: CHIFRATOR (log. electr.)

-CHIFRATOR

-CHIFRATOR

 
xrust:

https://ru.wikipedia.org/wiki/%D0%A8%D0%B8%D1%84%D1%80%D0%B0%D1%82%D0%BE%D1%80_%28%D1%8D%D0%BB%D0%B5%D0%BA%D1%82%D1%80%D0%BE%D0%BD%D0%B8%D0%BA%D0%B0%29


http://biztehnika.ru/content/view/488/32/


エンコーダー

なるほど。ネットワークはスクランブラーとして機能すると思うんです。

教えることは、得ること。暗号化装置と復号化装置が必要です。


そして、エンコーダーは、特定のケースに合わせた硬いものである可能性が高いです。

最も単純なケースでは、このように1セットのデータに対してエンコーダーを作ることになります。

セットの数だけ、コードの数だけ。


if ( inp1=10 && inp2=12 && inp3=23 && inp4= 100)
{
  outp1 = 0 ;
  outp2 = 0; 
}
 
sprite:
xrust。

https://ru.wikipedia.org/wiki/%D0%A8%D0%B8%D1%84%D1%80%D0%B0%D1%82%D0%BE%D1%80_%28%D1%8D%D0%BB%D0%B5%D0%BA%D1%82%D1%80%D0%BE%D0%BD%D0%B8%D0%BA%D0%B0%29


http://biztehnika.ru/content/view/488/32/


エンコーダー

なるほど。ネットワークはスクランブラーとして機能すると思うんです。

教えることは、得ること。暗号化装置と復号化装置が必要です。

セストは学習可能であり、それがそのトリックです。


そして、コーダーはクリアかファジーロジックか、あるいは他の何か.しかし、ほとんどの場合、特定のケースに合わせた厳格なものである。

最も単純なケースでは、1つのデータセットに対してこのようにエンコーダーを作ります。

セットの数だけ、コードの数だけ。


if ( inp1=10 && inp2=12 && inp3=23 && inp4= 100)
{
  outp1 = 0 ;
  outp2 = 0; 
}

しかし、グリッドにはもっと多くの可能性があり、特にエンコーダの動作をシミュレートできるだけでなく、.

数日間の取引後、EAで言うところの「その場」ですぐに再教育することができます。

つまり、これは非常に興味深い数学的現象であり、注目に値するのです。


このアルゴリズムでは、入口と出口の値だけをネットワーク可視化領域に追い込む必要があります（0から1）。

または、コードをやり直す.

 
kombat:
このスクリプトのロジックは、シンプルな4vs2エンコーダを思わせるものがありますね。

エンコーダは学習しないシステムです。

そして、このスクリプトでネットワークを学習させる。そして、その学習過程がエポックからエポックへのダイナミクスで画面に表示される。

各層のニューロンの重みが変化し、学習するにつれてグリッドの精度が上がっていく様子がわかる。

上記は、同じアルゴリズムで学習した3つの投稿です。

3つの異なるデータセットで動作するように .

エンコーダーの場合、各データセットに対して3つのエンコーダーが必要になります。

 

反対はしないが、トレーディングにニューラルネットワークを 使うことにはまだ賛成できない...。


NSは、消しゴムを持って画板の前に立つ波頭の レベルで理解しています

と、鉛筆を手に現在の市場の状況を描く・・・。:)))


パーセプトロンの 方がウェーブシェイパーよりカッコいいけれど...。んな:)))

 
kombat:

トレーディングにニューラルネットワークを 使うことに、反対はしないが、まだ賛成はできない...。



同じく :)!!!

しかし、アルゴリズムは機能しており、学習しています :) そして、その先にあるのは...... :)


チャンピオンシップでネットワークを持つEAが優勝したことで、ネットワークへの関心がさらに高まっています。

もちろん、外には別のネットワークがあるのですが......。しかし、その人は仕事をし、結果を出した。

 
sprite:


1.まず、入力も出力もすべて正規化する必要があります。つまり、0〜1の範囲にするのです。

(または、データ変更の新しい範囲に合わせてネットワークコードを書き換える必要がある）。

2.このネットワークは、4つの入力と2つの出力を持ちます。

これらの列からどの番号を、どの入力に送るべきでしょうか？


アルゴリズムによると

ネットワークは入力値1 0 0 0の各4倍を置く。

出力データ 1 0 の組を設定する。


このようなデータセットが複数存在することもあり、例えば、4 .

そして、ネットワークのアルゴリズムにしたがって、餌を与える必要があります

入力 _output


1 0 0 0_ 0 0

1 0 0 1_ 1 0

1 0 1 0_ 0 1

1 0 1 1_ 1 1


または、4入力3出力の場合、以下のようになります。


1 0 0 0_ 1 1 1

1 1 0 0_ 1 0 0

1 0 1 1_ 0 0 1

1 0 1 0_ 0 1 1

1 0 1 0_ 0 0 0

1 1 1 1_ 0 1 0

この場合、コードを変更します。











ネットワークは0と1でしか動作しないと誰が言ったのでしょうか？


例として簡単なグリッドを添付することができます（残念ながら今手元に資料がありません） - 後ほど添付します。

ここで、単純なNNは、正規化でデータ準備なしでこの問題を解決します。

出典はこちら


とはいえ、私が挙げた例では、すでにノーマライズされているようなものです。

条件として、2つのレンジがあります。


1 0-100

2 10-30


という、ある範囲での位置の比率を求めればよいのです。

要するにスケーリングです



この例では、限界を知っていると明言しています。


0 = 10

...

25 = 15

..

50 = 20

...

75 = 25

...

100 = 30


問題は単純で、ネットワークにとって一般的でさえないが、優れたネットワークは簡単に解決策を見つけることができる。

---



あなたの支店は面白い

 
kombat:

反対はしないが、トレーディングにニューラルネットワークを 使うことにはまだ賛成できない...。


NSは、消しゴムを持って画板の前に立つ波頭の レベルで理解しています

と、鉛筆を手に現在の市場の状況を描く・・・。:)))


パーセプトロンの 方がウェーブシェイパーよりカッコいいけれど...。んな:)))

なるほど


2007年、BETTER,aの優勝で、本当に粉々になった。

123456789...14
新しいコメント