ニューラルネットワーク - ページ 12

 
registred >> :
でも、これはこれで好きです >>)FX以前の時代、どれだけそれで苦しんだことか:)。

あなたの苦悩は、ニューラルネットワークのエキスパート・アドバイザーの作成と活用に成功し、あなたの個人資産を増やすという形で待望の結果をもたらしたのでしょうか?それとも、全部デタラメなのかな。:)

 
StatBars >> :

>>出力、入力は?

ニューラルネットワークの学習に使う教師値はいくつが良いのでしょうか?例えば、ネットワークのレスポンスに4つのアクションが考えられるとします。4つの値を使用した場合、平均値を平滑化した場合よりも誤差が大きくなることに気づきます。何本が最適か?添付ファイルの左側が実際の出力、右側がネットワークを学習させたときの値です。


ファイル:
 
Burgunsky >> :

そして、あなたの苦悩は、ニューロンネットワークに関するアドバイザーの作成と生活の中での応用の成功によって、個人の経済的な豊かさの増大という待望の結果をもたらしたのですね?あるいは、ゴミかもしれない。:)


コホーネンそうですね、役に立つこともありますね。BackProp - あなたには先生が必要です。教えてみたが、結果はマイナス。どこで先生を雇えばいいのかがわからない。多くの記事を読んだが、すべてナンセンスである。だから、ゴミ箱に捨てました。もしかしたら、私が間違っていて、ここの誰かがbackpropについて教えてくれるかもしれません。ところで、Makarenko, Golovkoには、例えばMEPhIの神経情報学に関する講義の中で興味深いことが書かれています、私はそれらを読むことをお勧めします。

 
registred писал(а)>>

どこで先生を雇えばいいのか、知らなければならない。

自分で書けないんですか?

 
Swetten >> :

自分で書けないんですか?


ネットワークのアウトプット、つまり先生方へのご提案があれば、その見解を述べてください。結果が出せないでいる。最初はかっこいいと思ったけど、だんだん下降していったね。

 
一般の方への質問です。
矛盾した入力ベクトルを探すスクリプトを使ってみました。入力ベクトルが所定の偏差を持つか、他のベクトルと完全に一致する場合、それらの棒グラフに教師が何を言うかを見てください。もし正反対の結果が書かれていたら、それは入力が矛盾していることになります。入力はAO表示、先生はイワノフのディプロマからMRRのアナログです。そのため、偏差値を0にせず、少し大きめ(例えば0.5)に設定すると、スクリプトは矛盾したベクトルを多く見つけることになる。さらに偏差値が大きければ、さらに発見する、というように。つまり、それぞれのベクトルは完全に個別であることがわかります。では、このような場合、コウホネンネットのように、ベクトルを類似のベクトル群にまとめようとするとどうなるのだろうか。
 
Burgunsky >> :
一般の方にちょっと質問です。
矛盾した入力ベクトルをスクリプトで検索してみた。入力ベクトルが所定の偏差を持つ場合、または他のベクトルと完全に一致する場合、これらのバーで教師が何を言うかを確認します。もし正反対の結果が書かれていたら、それは入力が矛盾していることになります。入力はAO表示、先生はイワノフのディプロマからMRRのアナロジーを。そのため、偏差値を0にせず、少し大きめ(例えば0.5)に設定すると、スクリプトは矛盾したベクトルを多く見つける。偏差値がさらに大きければ、さらに多く見つける、など。つまり、それぞれのベクトルは完全に個別であることがわかります。では、このような場合に、コウホネンネットのように、ベクトルを類似のベクトル群にまとめようとするとどうなるのだろうか。

それぞれのベクトルが個性的かどうかということではありません。ベクトルそのものをどう構成するかということです。ニューラルネットワークは、データを解釈するためのツールに過ぎず、好きなものを与えれば何でも理解してくれるような「賢い人工知能」ではないことを理解してください。NSは、条件反射の最も原始的なルールである「衝撃→反応」に従って働きます。だから、AOシグナルや他のインジケーター、あるいは一般的なホロスコープを表示するのです。例えば、AOのサンプルを20個見せたとします。そして、このような(あるいは「ほぼそのような」-相関の観点から-)シーケンスを形成することになる市場状況のバリエーションがどれだけあるか想像してみてください。たとえそれが2つしかない場合(限定的なケース)でも、正反対の結果を出す確率は決して無視できないのです。そして、もっとたくさんいたらどうでしょう?また、一般的に、AOとAC、あるいは太陽活動のグラフを見せたら、彼女はどうやってわかるのでしょうか?いわゆる「矛盾したベクトル」は、生データから来るのです。なぜなら、いわゆる矛盾は、実際には、ネットワークというか、それが記述する数学モデルが、十分な論拠がないために、この状況では単に意思決定ができない、ということを述べているからです。

裸の価格とAOのような線形指標でネットワークを訓練することに時間を浪費しないでください - それは私たちの後ろのステージであり、非常に多くの実験が、少なくとも利益がないことを証明しています。ノンリニア側を掘り下げる、主成分を切り分けるなど。ネットワークは、意味のあるデータを分析して初めてうまく機能します。そして、それを意味づけることができるのは、プログラマーの頭だけです(必ずしも唯一というわけではなく、さまざまな技術的ツールと接続することが可能です)。

 
to alsu: ノンリニアデータはノンリニアか?この場合、どのように適用すればよいかわからないので、非直線性の例を教えてください。 一般に、私のネットワークの数学的モデルは、チューニング後の出力が2つのバージョンしかないため、何らかの線形性を持っていることが判明しました。
 
Burgunsky >> :
ノンリニアデータはノンソートデータなのか?

むしろ、外部に現れるというよりも、そのプロセスの根底にある本質をある程度反映していると言えるでしょう。そもそもトレーダーは何を持っているのか?ニュースの流れ、価格の流れ、出来高の流れがある(実際、データは整合性がとれていない)。そして、前の2つの対象がすでに「数学化」されている、いわば数字で表現されているとしたら、ニュースの場合はもっと複雑で、まず、それを求め、次に、何らかの形で形式化しなければなりません(まあ、これは別の話題で、最近もここにそれに関するスレッドが立っていましたね)。

ですから、私たちの仕事は、これらをすべて消化できる形でニューラルネットワークに見せることです。例えば、「買い」「売り」「シチクリ」など、かなり決まったフレーズに一定の反応をするように何百年も教え込まれたオウムを想像してください。もちろん、例えば、「このН日間、値段はこんな調子で(НからНに上昇し、その後下落し、そして-ポプカ、特に注意して-こんなパターンになった)、取引量はНで、発表されたニュースに市場が反応し、これらすべてがНのトレンドの背景で起こっていた」という文章は合理的でしょう。- そして、そのオウム返しの頭の中には、100年も経てば-多分、無意識のうちに-市場状況のイメージが形成され、その後、一定の確率で正しい答えを出すようになるのである。昨日もそうだった、昨日もそうだった、この1カ月もそうだった」と言われても、何を基準に選べばいいのかわからないだろう。ですから、彼はせいぜい判断するときに何を見ればいいのかが漠然としていて、間違った答えに対してあまり熱心に叱ろうとすると(先生との訓練と読みます : )、完全に迷子になり、学習過程を全く知らないままにしてしまうでしょう。


もうひとつの例として、私たちは目を使ってどのように物体を認識するのでしょうか。つまり、私たちが見ているものを理解するために、画像そのものとともに、対応する脳の部位が、注目すべき特徴のリストをすでに提供してくれているのである。


必要なものを選び出し、重要でないものを捨てるというのが、私の理解するノンリニア処理です。

 
例えば,ある入力信号に基づいて90%の確率で正しい答えを出すように訓練されたニューラルネットワークが あるとしよう(Soros rests).なぜなら、どのような入力が必要で、出力をどのように解釈するかという情報は、ネットワークにではなく、その作成者の頭の中に保存されているからです。このように、ネットワークを学習させたものの、結局は無駄になってしまうのです。もう一度言います。NSは単なる道具であり(他の道具に勝るとも劣らない)、それを持つことと使いこなすことは全く別のことなのです。