ニューラルネットワークによる任意パターンの探索 - ページ 5 12345678910 新しいコメント Реter Konow 2019.09.05 12:35 #41 Vladimir Simakov: ピーター先生にとって「数学」とは、学校の授業で終わるものなのでしょうか？そこには、アルゴリズムも含めて、もっとたくさんのものがあるわけです。 はい、学校のカリキュラムの中の数学は知っています。以前、解析幾何学の授業（関数と座標軸を扱う授業）で、 「関数がグラフ上に曲線を描くなら、関数はグラフ上の曲線からプロット できるのか」と先生に質問したら、「いいえ、できません」という明快な答えが返ってきたことがあります。このことから、パターンは数学的に記述できるが、値から生成した公式を得ることができないため、特定することはできないという結論に達しました。 もしかしたら、他にも数学的なツールがあるのかもしれませんね。知っていたら教えてください。 Реter Konow 2019.09.05 12:52 #42 ここでは、より広い範囲でのパターンをご紹介します。 https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD Igor Makanu 2019.09.05 13:49 #43 Реter Konow: はい、学校のカリキュラムの中の数学は知っています。以前、解析幾何学の授業（関数と座標軸を扱う授業）で、 「関数がグラフ上に曲線を描くなら、関数はグラフ上の曲線からプロット できるのか」と先生に質問したら、「いいえ、不可能です」とはっきりした答えが返ってきたことがあります。そこから、パターンは数学的に記述できるが、その値からパターンを生成した公式を導き出すことはできないので、特定することはできないという結論に達した。 もしかしたら、他にも数学的なツールがあるのかもしれませんね。知っている人がいたら教えてください。 表形式で関数を定義する方法、内挿法など、推測でできる。 Реter Konow 2019.09.05 14:14 #44 Igor Makanu: を指定すると、一目でわかるように、表形式で関数、補間 間違っているかもしれませんが、ニューラルネットワークの仕組みはこうだと思います。 データの配列は表のようなもので、各セルは1つの値を記憶する神経細胞です。学習」（新しいデータの再読み込み）の過程で、セル内の値は集約され、範囲に縮小される。最終的に各ニューロンは、データ読み込みサイクルで得られた値の範囲を記憶し、「モデル」（範囲値を持つ行列）を生成する。このモデルをテンプレートとして、新しいデータテーブルに適用すると、（データが範囲に適合していれば）「認識」が行われる。素人考えですが、そういうことです。専門家の意見はどうなんだろう。 この場合、ニューラルネットワークはパターン認識には最適である。 Igor Makanu 2019.09.05 15:10 #45 Реter Konow: 間違っているかもしれませんが、ニューラルネットワークの仕組みはこうだと思います。 データの配列はテーブルの中に並べられ、各セルは1つの値を記憶するニューロンです。学習」（新しいデータの再取得）の過程で、セル内の値が集約され、範囲に縮小される。 1.一般的なケースでは、答えはノーです。 2.特殊なケースとして、はい、しかし、それはNSタイプに依存します。 1.NSの特徴は、「神経細胞を記憶する」のではなく、「神経細胞間のつながり」という重みを変えることである。すべてにおいて、ハブラに明確に書かれており、読みやすい。https://habr.com/ru/post/312450/。 2.これらはハミングのネットワークである可能性が高いhttps://habr.com/ru/sandbox/43916/ そして、あなたがそれについて真剣に取得することを決めた場合は、少なくとも1冊の本を読んで（次の本は前の本の80％の繰り返しがあることを理解する））、少なくともNSの分類タスクと回帰の違いを理解する必要があります - 基本的にすべてがその上に構築されて、残りはこのテーマと学習の方法とNSの種類に変化です - 私は深く研究されていない、繰り返されている多くのことが、それを新しい用語を呼んで非常に新しい何かとして提示しようとすると...混乱、雑音が多い )))) Реter Konow 2019.09.05 15:28 #46 Igor Makanu: 1.一般的には、答えはノーです 2.特殊なケースとして、そうだが、NSのタイプに依存する。 1.NSの特徴は「神経細胞を記憶する」ことではなく、「重量の変化」-「神経細胞間のコミュニケーション」であり、一般的にはハブラに明確に書かれていて読みやすいhttps://habr.com/ru/post/312450/。 2.これらはハミングのネットワークである可能性が高いhttps://habr.com/ru/sandbox/43916/ そして、あなたがそれについて真剣に取得することを決めた場合は、少なくとも1冊の本を読んで（次の本は前の本の80％の繰り返しがあることを理解する））、少なくともNSの分類タスクと回帰の違いを理解する必要があります - 基本的にすべてがその上に構築されて、残りはこのテーマと学習の方法とNSの種類に変化です - 私は深く研究されていない、繰り返されている多くのことが、それを新しい用語と呼んで非常に新しいものとして提示しようとした...混乱と雑音が多い )))) ありがとうございます。最初の記事は良かったのですが、なぜネットワークが突然このように機能するのか理解できません。すべてをシンプルに記述しているが、何が言いたいのかまったくわからない。実例のない情報だけ。 重み、ニューロン、入力と出力、隠れ、シナプス...。値は必ず1と0の間にある。なぜ、そうなっていて、そうなっていないのか？ 型がdoubleでなく、0と1の範囲を超えているデータでネットワークを学習させる方法は？レイヤーを宣言するには？ニューロン数の設定方法は？ データをどこに読み込むか？ 要するに、まだわかっていないのです。 Igor Makanu 2019.09.05 16:38 #47 Реter Konow: ありがとうございます。最初の記事は良かったのですが、なぜネットワークが突然このように機能し、そうでない場合は機能しないのか理解できません。シンプルだけど、何が何だかわからない。実例のない情報だけ。 重み、ニューロン、入力と出力、隠れ、シナプス...。値は必ず1と0の間でなければなりませんが、なぜそうなのですか？ データ型が2倍でなく、0と1の範囲を超えるデータに対して、どのようにネットワークを学習させればよいのでしょうか？レイヤーを宣言するには？ニューロン数の設定方法は？データをどこに読み込むか？ 要するに、まだわかっていないのです。 google活性化関数とニューラルネットワークの正規化 例https://www.mql5.com/ru/forum/5010#comment_329221 そして、alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746 の下にもあります。 が、とにかく本を読んで、試行錯誤することが必要です。 Реter Konow 2019.09.05 18:41 #48 Igor Makanu: google活性化関数とニューラルネットワークの正規化 例https://www.mql5.com/ru/forum/5010#comment_329221 と alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746 で同じです。 が、やはり何らかの本が必要です。科学的な推測ではうまくいきません。 オッケーです。自分で考えて、本を読みたいです。) この記事では、ネットワークには「分類」「予測」「認識」の3つの用途があると書かれています。すると、価格パターンの認識はOCHLデータではなく、チャートのスクリーンショットで行うべきことがわかりました。 画像による認識が有効 です。 Igor Makanu 2019.09.05 18:43 #49 Реter Konow: すると、価格パターンの認識は、OCHLデータではなく、チャートのスクリーンショットで行うべきことがわかりました。画像による認識が有効です。 ざまあみろ))) スクリーンショットとは何ですか？ とか、OHLCって何？ 機械表現で! Реter Konow 2019.09.05 18:47 #50 Igor Makanu: (笑)))) スクリーンとは何ですか？ とか、OHLCって何？ 機械表現で! さて、この記事では、ネットワークの用途を3つに分けています。価格データから認識するのと、色データから認識するのは別の話です。それでも、まったく異なるアプローチとメカニズム。 ZZZ. 価格のパターンは、数学的なものではなく、グラフィカルなものである。数学的に認識しようとするとつまずくが、図形的には簡単である。 12345678910 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
ピーター先生にとって「数学」とは、学校の授業で終わるものなのでしょうか？そこには、アルゴリズムも含めて、もっとたくさんのものがあるわけです。
はい、学校のカリキュラムの中の数学は知っています。以前、解析幾何学の授業（関数と座標軸を扱う授業）で、 「関数がグラフ上に曲線を描くなら、関数はグラフ上の曲線からプロット できるのか」と先生に質問したら、「いいえ、できません」という明快な答えが返ってきたことがあります。このことから、パターンは数学的に記述できるが、値から生成した公式を得ることができないため、特定することはできないという結論に達しました。
もしかしたら、他にも数学的なツールがあるのかもしれませんね。知っていたら教えてください。ここでは、より広い範囲でのパターンをご紹介します。
https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD
はい、学校のカリキュラムの中の数学は知っています。以前、解析幾何学の授業（関数と座標軸を扱う授業）で、 「関数がグラフ上に曲線を描くなら、関数はグラフ上の曲線からプロット できるのか」と先生に質問したら、「いいえ、不可能です」とはっきりした答えが返ってきたことがあります。そこから、パターンは数学的に記述できるが、その値からパターンを生成した公式を導き出すことはできないので、特定することはできないという結論に達した。
もしかしたら、他にも数学的なツールがあるのかもしれませんね。知っている人がいたら教えてください。表形式で関数を定義する方法、内挿法など、推測でできる。
を指定すると、一目でわかるように、表形式で関数、補間
間違っているかもしれませんが、ニューラルネットワークの仕組みはこうだと思います。
データの配列は表のようなもので、各セルは1つの値を記憶する神経細胞です。学習」（新しいデータの再読み込み）の過程で、セル内の値は集約され、範囲に縮小される。最終的に各ニューロンは、データ読み込みサイクルで得られた値の範囲を記憶し、「モデル」（範囲値を持つ行列）を生成する。このモデルをテンプレートとして、新しいデータテーブルに適用すると、（データが範囲に適合していれば）「認識」が行われる。素人考えですが、そういうことです。専門家の意見はどうなんだろう。
この場合、ニューラルネットワークはパターン認識には最適である。
間違っているかもしれませんが、ニューラルネットワークの仕組みはこうだと思います。
データの配列はテーブルの中に並べられ、各セルは1つの値を記憶するニューロンです。学習」（新しいデータの再取得）の過程で、セル内の値が集約され、範囲に縮小される。
1.一般的なケースでは、答えはノーです。
2.特殊なケースとして、はい、しかし、それはNSタイプに依存します。
1.NSの特徴は、「神経細胞を記憶する」のではなく、「神経細胞間のつながり」という重みを変えることである。すべてにおいて、ハブラに明確に書かれており、読みやすい。https://habr.com/ru/post/312450/。
2.これらはハミングのネットワークである可能性が高いhttps://habr.com/ru/sandbox/43916/
そして、あなたがそれについて真剣に取得することを決めた場合は、少なくとも1冊の本を読んで（次の本は前の本の80％の繰り返しがあることを理解する））、少なくともNSの分類タスクと回帰の違いを理解する必要があります - 基本的にすべてがその上に構築されて、残りはこのテーマと学習の方法とNSの種類に変化です - 私は深く研究されていない、繰り返されている多くのことが、それを新しい用語を呼んで非常に新しい何かとして提示しようとすると...混乱、雑音が多い ))))
1.一般的には、答えはノーです
2.特殊なケースとして、そうだが、NSのタイプに依存する。
1.NSの特徴は「神経細胞を記憶する」ことではなく、「重量の変化」-「神経細胞間のコミュニケーション」であり、一般的にはハブラに明確に書かれていて読みやすいhttps://habr.com/ru/post/312450/。
2.これらはハミングのネットワークである可能性が高いhttps://habr.com/ru/sandbox/43916/
そして、あなたがそれについて真剣に取得することを決めた場合は、少なくとも1冊の本を読んで（次の本は前の本の80％の繰り返しがあることを理解する））、少なくともNSの分類タスクと回帰の違いを理解する必要があります - 基本的にすべてがその上に構築されて、残りはこのテーマと学習の方法とNSの種類に変化です - 私は深く研究されていない、繰り返されている多くのことが、それを新しい用語と呼んで非常に新しいものとして提示しようとした...混乱と雑音が多い ))))
ありがとうございます。最初の記事は良かったのですが、なぜネットワークが突然このように機能するのか理解できません。すべてをシンプルに記述しているが、何が言いたいのかまったくわからない。実例のない情報だけ。
重み、ニューロン、入力と出力、隠れ、シナプス...。値は必ず1と0の間にある。なぜ、そうなっていて、そうなっていないのか？
型がdoubleでなく、0と1の範囲を超えているデータでネットワークを学習させる方法は？レイヤーを宣言するには？ニューロン数の設定方法は？ データをどこに読み込むか？
要するに、まだわかっていないのです。ありがとうございます。最初の記事は良かったのですが、なぜネットワークが突然このように機能し、そうでない場合は機能しないのか理解できません。シンプルだけど、何が何だかわからない。実例のない情報だけ。
重み、ニューロン、入力と出力、隠れ、シナプス...。値は必ず1と0の間でなければなりませんが、なぜそうなのですか？
データ型が2倍でなく、0と1の範囲を超えるデータに対して、どのようにネットワークを学習させればよいのでしょうか？レイヤーを宣言するには？ニューロン数の設定方法は？データをどこに読み込むか？
要するに、まだわかっていないのです。google活性化関数とニューラルネットワークの正規化
例https://www.mql5.com/ru/forum/5010#comment_329221 そして、alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746 の下にもあります。
が、とにかく本を読んで、試行錯誤することが必要です。
google活性化関数とニューラルネットワークの正規化
例https://www.mql5.com/ru/forum/5010#comment_329221 と alglibhttps://www.mql5.com/ru/forum/8265/page2#comment_333746 で同じです。
が、やはり何らかの本が必要です。科学的な推測ではうまくいきません。
オッケーです。自分で考えて、本を読みたいです。)
この記事では、ネットワークには「分類」「予測」「認識」の3つの用途があると書かれています。すると、価格パターンの認識はOCHLデータではなく、チャートのスクリーンショットで行うべきことがわかりました。 画像による認識が有効 です。
すると、価格パターンの認識は、OCHLデータではなく、チャートのスクリーンショットで行うべきことがわかりました。画像による認識が有効です。
ざまあみろ)))
スクリーンショットとは何ですか？
とか、OHLCって何？
機械表現で!
(笑))))
スクリーンとは何ですか？
とか、OHLCって何？
機械表現で!
さて、この記事では、ネットワークの用途を3つに分けています。価格データから認識するのと、色データから認識するのは別の話です。それでも、まったく異なるアプローチとメカニズム。
ZZZ. 価格のパターンは、数学的なものではなく、グラフィカルなものである。数学的に認識しようとするとつまずくが、図形的には簡単である。