ニューラルネットワーク、どう使いこなすか、何から始めるか？ - ページ 6 12345678910111213...19 新しいコメント Aleksandr Pak 2009.01.14 06:17 #51 TSのNSは、冗長性を持たせたフィット感です。 が、ニューラルネットワークの冗長性でも、利益を出すには十分ではないかもしれません。 Neutron 2009.01.14 06:25 #52 TheXpert писал(а)>> 嘘つけ。 多くの問題で、4層のPerspectronの方がはるかに良い結果と収束性を示しています。 また、場所によっては5層のものを使用することもあります。その中間の隠れ層は、追加分析のための中間データを取得する。 ちなみに、その点、配備された再循環ネットワークは、ペルセプトロンに他なりません。そして、展開された非線形RNSは、単なる5層ペルセプトロンです。 ペルセプトロンをベースにした複雑なネットワーク（複数の出力層や複雑なリンクを持つ）については、今は黙っておこう。 なんだか複雑ですね。 少し前に2つの定理が証明されたことがありますね。1によれば、3層非線形NS（3層のニューロンからなり、それぞれの出力に非線形性がある）は普遍的な近似器であり、さらに層数を増やしてもネットワークパワーは増加しない。第二定理によれば、ネットワークの計算力は、そのニューロンの出力における非線形の特定のタイプに依存することはない。原理的に非線形であることが重要で、シグモイドやアークタンジェントなど、具体的にどのようなものであっても構わないのです。そのため、イコールのベストを探そうとする手間が省けます。 この2つの定理は、NSアーキテクチャの選択を根本的に単純化し、可能な研究量を顕著に減少させる。 さらに、ネットワークの学習に参加しなかったデータに対する予測誤差を最小化するという意味で、過去のデータに対する最適な学習サンプルの長さ、NSの入力の次元、そのシナプスの総数の間の曖昧さのない関係を証明する。このため、手動でこの最適を選択することで、レーニン主義に関与しないことができる。既存のMSの能力では、時間と労力を大幅に節約することができます。 Владислав 2009.01.14 06:28 #53 Andrey4-min >> : フォーラムメンバーの皆様、このスレッドのトピックは、Neural Networks、それをマスターする方法、何から始めればいいのか？ 話を近づけよう...。 被写体に近づく？問題なし!まずニューロンを書くことから始め、それらを組み合わせてネットワークにする。そして、高度なソフトは後回しにする。それ以外のアドバイスはすべてゴミです。 Борис 2009.01.14 06:30 #54 Korey >> : TSのNSは、フィッティングが余分な... tcのマトリックス装置はすべてフィッティングです。 例えば、古くからあるフィッティングの方法、2パラメータ指数平滑化ですが、AIやNSより全然悪くありません。 Neutron 2009.01.14 06:39 #55 PraVedNiK писал(а)>> 2パラメータ指数平滑化、AIやNSより悪いわけではない そうです。バイパラメトリック指数平滑法は、デュアル入力のNSより悪いわけではありません。 一方、実際のNSでは、入力の次元を自由に選択することができる。価格型BPの場合、次元数は10-100程度が一般的である。このような数のパラメータを持つミューを作ることは困難であり、合理的な時間内に最適化することも不可能でしょう。この目的のためにNSは、テスターの遺伝的アルゴリズムよりはるかに高速で、パラメータの愚かな検索よりもはるかに高速なエラーの逆伝播の方法を使用しています。 Aleksandr Pak 2009.01.14 06:43 #56 NSをTCで使うのはゾッとする。考える必要がない。 つまり、すべての悩みは女の子と同じように、何を請求するか、いつ餌をやるか、何と何を比較するか＝一種の罪滅ぼしです。 決心し、テストし、結果を期待してズボンの中に手を入れて（ボール遊びをする））））。 computer works - trader rests))個人的な感想はありません。 Neutron 2009.01.14 06:48 #57 いや、もしあなたがコタツで見つけた規則性に理論的な枠組みを当てはめるだけの勤勉さと知識を持っているなら、どうかそれを利用してください。しかし、このパターンはいつまで続くのでしょうか？これらは、永遠に続く力学の法則ではありません。明日には市場のトレンドが変わり、紙切れ一枚で数えることになる...。NSのあるTSにやらせればいい。バカだけど、鉄板。 Борис 2009.01.14 06:54 #58 Neutron >> : ... はバックプロパゲーション法を用いており、テスターの遺伝的アルゴリズムよりも明らかに高速で、ましてや馬鹿なパラメータ列挙などもってのほかです。 逆伝播法は誤差関数のグローバルミニマムを求める保証はなく、10-100入力の場合は をネットワークの入力に...実は、まだ誰もネットワークのダウンサイジングを中止していません。主成分をあらかじめ分析しておけば、2つの入力で十分なのですが、困ったことに、この分析も、トレーニングも、ヒストリーで行われているのです。 Neutron 2009.01.14 07:05 #59 まあ、そんなに自分を責めないでくださいよ。結局、ネットワークは時々再トレーニングされ（私は分析したすべてのBPでそうしています）、平均法は最小値を見つけます。次元削減については、価格BPのようなBPには、残念ながらご提示のような程度ではうまくいきません。 削除済み 2009.01.14 07:58 #60 Neutron >> : まあ、そんなに厳しく言わないでくださいよ。結局、ネットワークは時々再トレーニングされ（分析されるBPのカウント毎に行う）、平均法は最小値を見つけます。次元削減については、残念ながら価格のようなBPには効きません。 どのようなタイムフレームを使用しているのでしょうか？ダウンサイジングについては、何のために行うのかによります。些細な前処理であれば、何らかのアプリオリな考慮がなければ、つまり、すでに十分なデータを持っていて、その結果を改善するだけであれば、適切な効果は得られないでしょう。ダウンサイジングを他のことに使うなら、何でもいいんですけどね ;) 12345678910111213...19 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
が、ニューラルネットワークの冗長性でも、利益を出すには十分ではないかもしれません。
嘘つけ。
多くの問題で、4層のPerspectronの方がはるかに良い結果と収束性を示しています。
また、場所によっては5層のものを使用することもあります。その中間の隠れ層は、追加分析のための中間データを取得する。
ちなみに、その点、配備された再循環ネットワークは、ペルセプトロンに他なりません。そして、展開された非線形RNSは、単なる5層ペルセプトロンです。
ペルセプトロンをベースにした複雑なネットワーク（複数の出力層や複雑なリンクを持つ）については、今は黙っておこう。
なんだか複雑ですね。
少し前に2つの定理が証明されたことがありますね。1によれば、3層非線形NS（3層のニューロンからなり、それぞれの出力に非線形性がある）は普遍的な近似器であり、さらに層数を増やしてもネットワークパワーは増加しない。第二定理によれば、ネットワークの計算力は、そのニューロンの出力における非線形の特定のタイプに依存することはない。原理的に非線形であることが重要で、シグモイドやアークタンジェントなど、具体的にどのようなものであっても構わないのです。そのため、イコールのベストを探そうとする手間が省けます。
この2つの定理は、NSアーキテクチャの選択を根本的に単純化し、可能な研究量を顕著に減少させる。
さらに、ネットワークの学習に参加しなかったデータに対する予測誤差を最小化するという意味で、過去のデータに対する最適な学習サンプルの長さ、NSの入力の次元、そのシナプスの総数の間の曖昧さのない関係を証明する。このため、手動でこの最適を選択することで、レーニン主義に関与しないことができる。既存のMSの能力では、時間と労力を大幅に節約することができます。
フォーラムメンバーの皆様、このスレッドのトピックは、Neural Networks、それをマスターする方法、何から始めればいいのか？
話を近づけよう...。
被写体に近づく？問題なし!まずニューロンを書くことから始め、それらを組み合わせてネットワークにする。そして、高度なソフトは後回しにする。それ以外のアドバイスはすべてゴミです。
TSのNSは、フィッティングが余分な...
tcのマトリックス装置はすべてフィッティングです。
例えば、古くからあるフィッティングの方法、2パラメータ指数平滑化ですが、AIやNSより全然悪くありません。
2パラメータ指数平滑化、AIやNSより悪いわけではない
そうです。バイパラメトリック指数平滑法は、デュアル入力のNSより悪いわけではありません。
一方、実際のNSでは、入力の次元を自由に選択することができる。価格型BPの場合、次元数は10-100程度が一般的である。このような数のパラメータを持つミューを作ることは困難であり、合理的な時間内に最適化することも不可能でしょう。この目的のためにNSは、テスターの遺伝的アルゴリズムよりはるかに高速で、パラメータの愚かな検索よりもはるかに高速なエラーの逆伝播の方法を使用しています。
つまり、すべての悩みは女の子と同じように、何を請求するか、いつ餌をやるか、何と何を比較するか＝一種の罪滅ぼしです。
決心し、テストし、結果を期待してズボンの中に手を入れて（ボール遊びをする））））。
computer works - trader rests))個人的な感想はありません。
...
はバックプロパゲーション法を用いており、テスターの遺伝的アルゴリズムよりも明らかに高速で、ましてや馬鹿なパラメータ列挙などもってのほかです。
逆伝播法は誤差関数のグローバルミニマムを求める保証はなく、10-100入力の場合は
をネットワークの入力に...実は、まだ誰もネットワークのダウンサイジングを中止していません。主成分をあらかじめ分析しておけば、2つの入力で十分なのですが、困ったことに、この分析も、トレーニングも、ヒストリーで行われているのです。
まあ、そんなに厳しく言わないでくださいよ。結局、ネットワークは時々再トレーニングされ（分析されるBPのカウント毎に行う）、平均法は最小値を見つけます。次元削減については、残念ながら価格のようなBPには効きません。
どのようなタイムフレームを使用しているのでしょうか？ダウンサイジングについては、何のために行うのかによります。些細な前処理であれば、何らかのアプリオリな考慮がなければ、つまり、すでに十分なデータを持っていて、その結果を改善するだけであれば、適切な効果は得られないでしょう。ダウンサイジングを他のことに使うなら、何でもいいんですけどね ;)