ニューラル・ネットワーク専門家からの質問 - ページ 13 1...67891011121314151617181920...25 新しいコメント Vitaliy 2010.09.14 19:01 #121 joo: 3種類目の信号を入力します。総信号数 0 または 1 または 2 なるほど。これは問題ないです。 しかし、PNNはこの値をどう扱うのだろうか。 なぜなら、区間[0;1] - は可能な確率の値を識別しており、ここで 2 はどのように収まるのでしょうか。解らない...。 Andrey Dik 2010.09.14 19:09 #122 lasso: なるほど。それは問題ないですね。 しかし、PNNはこの値をどう扱うのだろうか。 結局のところ、区間[0;1]は可能な確率の値を識別するものであり、ここで2はどのように適合するのだろうか？解らない...。 手に入らないのですが、何か問題があるのでしょうか？シグモイドを[-1;1]の範囲で使用し、0は無信号に対応します。そして、"クリーン "な信号には3種類あります。 Vitaliy 2010.09.14 19:18 #123 joo: 手に入らないのですが、何か問題があるのでしょうか？シグモイドを[-1;1]の範囲で使用し、0は無信号に対応します。そして、"クリーン "な信号には3種類あります。 この選択肢も考えましたが、その場合、0は範囲の真ん中、つまり0.5の確率に相当します。 ああ、ある事象の発生確率が0.5に等しいことと、その事象の発生に関する情報がないこと、これはかなり違うことだと思うのですが。ここが問題なのです( Andrey Dik 2010.09.14 19:25 #124 そうすると、3種類の イベントを用意しなければなりません。それぞれ[0;1]（またはもっと便利なもの）の範囲を持ち、各イベントの確率を考える。 一度だけ言わせてもらうが、これは行き止まりの方向である。これこれの事象の確率を記述して、なおかつこの確率をネットで教えることは不可能である。あるネットワークが、ある事象の出力確率を90％としたとする。では、イベントが発生しなかった場合はどうでしょうか。では、ネットワークは間違っているかというと、まだ10％の確率が残っているのに、なぜ間違っているのでしょうか？適切なトレーニングセットを提供できないだけなんです。 Vitaliy 2010.09.14 19:46 #125 はい、ありがとうございます、そのような感じです。考えないといけないですね。 Alexey Subbotin 2010.09.14 19:51 #126 joo: そうすると、3種類のイベントを用意しなければなりません。それぞれ[0;1]（またはその他、都合の良い方）の範囲を持ち、各イベントの確率を考える。 一度だけ言わせてもらうが、これは行き止まりである。ある事象の確率を記述し、なおかつその確率をネットワークに教えることは不可能である。あるネットワークが90％の確率で事象を出力したとする。では、イベントが発生しなかった場合はどうでしょうか。では、ネットワークは間違っているかというと、まだ10％の確率が残っているのに、なぜ間違っているのでしょうか？適切なトレーニングセットを提供できないだけなんです。 出力層での分類タスクでは、活性化関数としてシグモイドの代わりにSOFTMAXを使うのが最適です。この場合、各出力ニューロンはあるクラスに対応し、その出力は対応するクラスに属する確率を与える。各層の出力の合計は、あるべき姿である「1」になります。 lasso、SOFTMAXを含む活性化関数については、こちら（22ページ）をご覧ください。 Vitaliy 2010.09.14 20:26 #127 joo: 一度だけ言わせてもらうと、これは行き詰まった方向だ。ある事象の確率を記述しても、その確率をネットワークに教えることは不可能である。ネットワークがある事象を90％の確率で出力するとしよう。では、イベントが発生しなかった場合はどうでしょうか。では、ネットワークは間違っているかというと、まだ10％の確率が残っているのに、なぜ間違っているのでしょうか？適切なトレーニングセットを提供できないだけなんです。 デッドエンドの方向性 - 何？ トレードで確率論的NSを使うには、あるいはこのトレーニングキットの私の説明？ 後者であることを祈ります )) また、一般的に、どのようなトレーニングセットが適切と言えるのでしょうか？ 例えば、Oscillatorから3つの異なる期間の区間[-1; 1]の3つの値をPNNに入力し、0.70の出力と比較します（価格は予想された50ピップの動きから35ピップだけ進みました）。 これは適切なトレーニングセットなのでしょうか？ Andrey Dik 2010.09.14 20:29 #128 alsu: 出力層での分類タスクでは、活性化関数としてシグモイドの代わりにSOFTMAXを使うのが最適です。この場合、各出力ニューロンはいずれかのクラスに対応し、その出力は対応するクラスに属する確率を与える。各層の出力の合計は、あるべき姿である「1」になります。 より良くするか、しないかは、あなた次第。何の違いもない。投げ縄が 何を必要としているかによります。また、必要に応じて、シグモイドを用いながら、出力／入力を1層分のニューロンの和として表現することができる。しかし、適切なトレーニングセットを提供できない、という問題は変わりません。 Andrey Dik 2010.09.14 20:42 #129 lasso: デッドエンドの方向性 - 何？ トレードで確率論的NSを使うには、あるいはこのトレーニングキットの私の説明？ 後者であることを祈ります )) 特定の取引事象の確率を判断するのは、行き詰まった方向である。 ラッソ また、一般的に、どのようなトレーニングセットが適切と言えるのでしょうか？ 例えば、Oscillatorから3つの異なる期間の値[-1; 1]をPNNに入力し、その出力を0.70と比較します（価格は予想された50ピップの動きから35ピップだけ動いた）。 これは適切なトレーニングセットなのでしょうか？ 0.7という数字は、ある（すでに到達している）事象の確率について、どのような情報を持っているのだろうか。なし。したがって、結果も「なし」となります。 PNNは、ある条件の分類や、ある図形があるパターンに属するかどうかの分類には使えるが、ある事象の結果の確率を決定する道具としては使えない。というか、使えるのですが、見つかった確率の値が役に立ちません（理由は上に書きました）。 Evgeniy Logunov 2010.09.14 20:52 #130 lasso: なるほど。それは問題ないですね。しかし、PNNはこの値をどう扱うのだろうか。 結局のところ、区間[0;1]は確率の可能な値を識別するものであり、ここで2はどのように適合するのでしょうか。解らない...。 実は、選択肢は2つあります。 1. 入力の2値化（1入力/1イベント）。0 - 起こらなかった、1 - 起こった。 2.各入力に対する値のセットを拡張する（すでに言われているように、0、1、2・・・）。ここでは、範囲 [0;1] は問題なく、ネットワークの出力に確率が得られるが、入力は必ずしも確率を持つ必要はない。もしあなたが信じないなら、別の方法があります：区間[0;1]を必要な数の部分に分割します（0 - イベントが発生しなかった、0.5 - 観察なし、1 - イベントが発生した）。 1...67891011121314151617181920...25 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
3種類目の信号を入力します。総信号数
0 または 1 または 2
なるほど。これは問題ないです。 しかし、PNNはこの値をどう扱うのだろうか。
なぜなら、区間[0;1] - は可能な確率の値を識別しており、ここで 2 はどのように収まるのでしょうか。解らない...。
なるほど。それは問題ないですね。 しかし、PNNはこの値をどう扱うのだろうか。
結局のところ、区間[0;1]は可能な確率の値を識別するものであり、ここで2はどのように適合するのだろうか？解らない...。
手に入らないのですが、何か問題があるのでしょうか？シグモイドを[-1;1]の範囲で使用し、0は無信号に対応します。そして、"クリーン "な信号には3種類あります。
この選択肢も考えましたが、その場合、0は範囲の真ん中、つまり0.5の確率に相当します。
ああ、ある事象の発生確率が0.5に等しいことと、その事象の発生に関する情報がないこと、これはかなり違うことだと思うのですが。ここが問題なのです(
そうすると、3種類の イベントを用意しなければなりません。それぞれ[0;1]（またはもっと便利なもの）の範囲を持ち、各イベントの確率を考える。
一度だけ言わせてもらうが、これは行き止まりの方向である。これこれの事象の確率を記述して、なおかつこの確率をネットで教えることは不可能である。あるネットワークが、ある事象の出力確率を90％としたとする。では、イベントが発生しなかった場合はどうでしょうか。では、ネットワークは間違っているかというと、まだ10％の確率が残っているのに、なぜ間違っているのでしょうか？適切なトレーニングセットを提供できないだけなんです。
はい、ありがとうございます、そのような感じです。考えないといけないですね。
そうすると、3種類のイベントを用意しなければなりません。それぞれ[0;1]（またはその他、都合の良い方）の範囲を持ち、各イベントの確率を考える。
一度だけ言わせてもらうが、これは行き止まりである。ある事象の確率を記述し、なおかつその確率をネットワークに教えることは不可能である。あるネットワークが90％の確率で事象を出力したとする。では、イベントが発生しなかった場合はどうでしょうか。では、ネットワークは間違っているかというと、まだ10％の確率が残っているのに、なぜ間違っているのでしょうか？適切なトレーニングセットを提供できないだけなんです。
出力層での分類タスクでは、活性化関数としてシグモイドの代わりにSOFTMAXを使うのが最適です。この場合、各出力ニューロンはあるクラスに対応し、その出力は対応するクラスに属する確率を与える。各層の出力の合計は、あるべき姿である「1」になります。
lasso、SOFTMAXを含む活性化関数については、こちら（22ページ）をご覧ください。
一度だけ言わせてもらうと、これは行き詰まった方向だ。ある事象の確率を記述しても、その確率をネットワークに教えることは不可能である。ネットワークがある事象を90％の確率で出力するとしよう。では、イベントが発生しなかった場合はどうでしょうか。では、ネットワークは間違っているかというと、まだ10％の確率が残っているのに、なぜ間違っているのでしょうか？適切なトレーニングセットを提供できないだけなんです。
デッドエンドの方向性 - 何？ トレードで確率論的NSを使うには、あるいはこのトレーニングキットの私の説明？
後者であることを祈ります ))
また、一般的に、どのようなトレーニングセットが適切と言えるのでしょうか？
例えば、Oscillatorから3つの異なる期間の区間[-1; 1]の3つの値をPNNに入力し、0.70の出力と比較します（価格は予想された50ピップの動きから35ピップだけ進みました）。
これは適切なトレーニングセットなのでしょうか？
出力層での分類タスクでは、活性化関数としてシグモイドの代わりにSOFTMAXを使うのが最適です。この場合、各出力ニューロンはいずれかのクラスに対応し、その出力は対応するクラスに属する確率を与える。各層の出力の合計は、あるべき姿である「1」になります。
デッドエンドの方向性 - 何？ トレードで確率論的NSを使うには、あるいはこのトレーニングキットの私の説明？
後者であることを祈ります ))
特定の取引事象の確率を判断するのは、行き詰まった方向である。
ラッソ
また、一般的に、どのようなトレーニングセットが適切と言えるのでしょうか？
例えば、Oscillatorから3つの異なる期間の値[-1; 1]をPNNに入力し、その出力を0.70と比較します（価格は予想された50ピップの動きから35ピップだけ動いた）。
これは適切なトレーニングセットなのでしょうか？
0.7という数字は、ある（すでに到達している）事象の確率について、どのような情報を持っているのだろうか。なし。したがって、結果も「なし」となります。
PNNは、ある条件の分類や、ある図形があるパターンに属するかどうかの分類には使えるが、ある事象の結果の確率を決定する道具としては使えない。というか、使えるのですが、見つかった確率の値が役に立ちません（理由は上に書きました）。
なるほど。それは問題ないですね。しかし、PNNはこの値をどう扱うのだろうか。
結局のところ、区間[0;1]は確率の可能な値を識別するものであり、ここで2はどのように適合するのでしょうか。解らない...。
実は、選択肢は2つあります。
1. 入力の2値化（1入力/1イベント）。0 - 起こらなかった、1 - 起こった。
2.各入力に対する値のセットを拡張する（すでに言われているように、0、1、2・・・）。ここでは、範囲 [0;1] は問題なく、ネットワークの出力に確率が得られるが、入力は必ずしも確率を持つ必要はない。もしあなたが信じないなら、別の方法があります：区間[0;1]を必要な数の部分に分割します（0 - イベントが発生しなかった、0.5 - 観察なし、1 - イベントが発生した）。