ある「特定の」入力のNSへの寄与を、実際どのように評価するのか？
金曜日とまではいかないが．
任意のNSがあり、入力A={A1, A2, ...］がある。A20}.NSを鍛えて、納得のいく結果を出す。入力A1, A2, ...の各要素の寄与を実用的に評価するにはどうしたらよいだろうか。A20でこの結果？
私の頭の中にある選択肢は、以下の通りです。
1) 要素がネットワークを通過する際のすべての重みを何らかの形で合計し、計算する。どうすればいいのか、ネットワークの操作に没頭して、なんとか係数などを計算しなければならないのですが、よくわかりません。
2）何らかの方法で「ゼロにする」、例えば入力ベクトルの要素を逆にしてみて、それが最終結果にどのような影響を与えるかを見る。今のところ、それに落ち着いています。
しかし、この第二の変種を実現する前に、私はアドバイスを求めることにした。もしかしたら、私よりも長くこのテーマについて考えている人がいるかもしれない。もしかしたら、どなたか書籍・論文のアドバイスをいただけるかもしれません。
または、この入力を除外して、入力なしで教えてみるのもいいかもしれません。もし結果がほとんど同じであれば、本当に正しい要素を排除していないことになります :)
あるいは、この入力を除外して、入力なしでトレーニングしてみるのもいいかもしれません。もし結果がほとんど同じなら、正しい要素を除外していないことになる :)
ここからはイメージですが、この方法は学習方法というか、絶対最大値を求める学習能力に強く依存します。例えば、私はこの点に関して何の幻想も抱いていませんし、GAを使って300の重みを訓練しても、それを見つけることはできないでしょう。だから、多少のローカルマックスはあっても、私には問題ない。 何かを除外することで、同じような結果が得られますが、NSのバリエーションが違うだけなのです。 しかし、ISCによってNSを訓練することができれば、つまり唯一の正しい解を見つけることができれば、まさにそうすることになるのです。
NSがあって、インプットがあって、学習結果があり、インプットの各要素が最終結果に与える影響の度合いを見つけなければならないのです。
ここでは、次のような図式になる。この方法は、学習方法というか、絶対最大値を求める学習能力に強く依存することになる。GAで300回ウエイトトレーニングしても絶対最大値は出ないと思っているので、何の幻想も抱いていません。だから、多少のローカルマックスはあっても、私には問題ない。 何かを除外することで、同じような結果が得られるのですが、NSワークのバリエーションが違うだけなのです。 しかし、ISCによってNSを訓練することができれば、つまり唯一の正しい解を見つけることができれば、まさにそうすることになるのです。
NSがあって、インプットがあって、学習結果があり、インプットの各要素が最終結果に与える影響の度合いを見つけなければならないのです。
それなら、選択肢2は？しかし、おそらくゼロ化でも反転でもなく、ランダム（ノイズ）に置き換わる
が、ランダム（ノイズ）に置き換わる
また、1入力、2入力、3入力といった具合に、すべてのネットワークを試してみるのも一つの方法です。:-)
ちょうど、そのようなことを考えていました...。入力の相互関係、つまりグループ内の入力を除外したり含めたりすることを、何とかして説明しなければなりませんね。
結果は非常に興味深いのですが、どう解釈してよいのかわかりません)。
1～5入力のさまざまな組み合わせを排除し、実験を開始。結果はとても面白いのですが、まだどう解釈していいかわかりません）あまりにも予想外の結果もあり......。長い間、頭を悩ませることになりそうです。
何が驚きなのか？
各入力の影響度を評価 することは、現実的には不可能である。いろいろな数式があり、専用のソフトウェアで影響度を自動計算することもできる。しかし、これらの計算はすべて従来の値に過ぎず、大きな誤差がある可能性があるため、実際にはあまり意味がないのです。
経験上、どの商品が他の商品に大きな影響を与えるかを知っているトレーダーでなければ（多通貨のエントリーについて言えば）判断できないことです。
もし、取引する同じシンボルからの入力としての指標の選択の話であれば、ニューラルネットワークは非常に非線形であるため、ストキャスティックやmcdなど、何を入力してもほとんど気にならないため、様々な指標からの入力の選択は、ニューラルネットワークの出力にほとんど影響を及ぼさないのである。そのため、確かに多少の差はありますが、実質的に結果に影響を与えないような劇的な差や一般的に注目される差ではありません。
- 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
金曜日とまではいかないが．
任意のNSがあり、入力A={A1, A2, ...］がある。A20}.NSを鍛えて、納得のいく結果を出す。入力A1, A2, ...の各要素の寄与を実用的に評価するにはどうしたらよいだろうか。A20でこの結果？
私の頭の中にある選択肢は、以下の通りです。
1) ネットワークを通過する要素の重みを、何らかの方法で合計し計算する。どうすればいいのか、ネットワークの操作に没頭して、なんとか係数などを計算しなければならないのですが、よくわかりません。
2）何らかの方法で「ゼロにする」、例えば入力ベクトルの要素を逆にしてみて、それが最終結果にどのような影響を与えるかを見る。今のところ、それに落ち着いています。
しかし、この第二の変種を実現する前に、私はアドバイスを求めることにした。このテーマについて、私より長く考えている人はいるだろうか。もしかしたら、どなたか書籍・論文のアドバイスをいただけるかもしれません。