이론적으로 모든 NS는 연립방정식과 같습니다. 그리고 충분히 간단하다면 이 시스템을 분석적 형태로 작성하고 가중치와 관련하여 푸는 것이 더 저렴합니다. 네트워크(즉, 동등한 방정식 시스템)가 더 복잡해짐에 따라 문제와 까다로운 학습 방법의 필요성이 발생하기 시작합니다. 이 사실을 깨닫고 나는 한때 관심에서 시작된 네트웍과의 인연을 끊었다. 나는 먼저 모델을 생각해 내고 나서야 그것을 해결할 수 있는 가장 경제적인 방법을 찾아야 한다고 결정했습니다. 여전히 NN 방법의 사용은 매우 복잡한 모델에 대해서만 정당화되는 것 같습니다. :) .
초보자 "신경 연구원"인 저에게 설명하십시오 ... 내가 이해하는대로 문제의 네트워크는 다층 퍼셉트론입니다.
그리고 이러한 유형의 네트워크는 어떤 고려 사항에서 선택되었습니까? Hopfield나 Kohonen 또는 기타가 아닌 이유는 무엇입니까?
더 철학적인 질문입니다. 사실은 "복잡한" NS 아키텍처가 무한히 많고, 가장 단순한 것은 하나만 있다는 것입니다! 이것은 단층 퍼셉트론입니다. 이 경우 비선형 활성화 함수로 구현됩니다.
칸디다 에
이론적으로 모든 NS는 연립방정식과 같습니다. 그리고 충분히 간단하다면 이 시스템을 분석적 형태로 작성하고 가중치와 관련하여 푸는 것이 더 저렴합니다. 네트워크(즉, 동등한 방정식 시스템)가 더 복잡해짐에 따라 문제와 까다로운 학습 방법의 필요성이 발생하기 시작합니다. 이 사실을 깨닫고 나는 한때 관심에서 시작된 네트워크와의 인연을 끊었다. 방금 먼저 모델을 생각해 낸 다음 이를 해결하는 가장 경제적인 방법을 찾아야 한다고 결정했습니다. 여전히 NN 방법의 사용은 매우 복잡한 모델에 대해서만 정당화되는 것 같습니다. :) .
좋아요. 또한 시장 VR의 고유한 비정상성을 언급할 수 있습니다. 이는 기존의 통계 분석 방법을 끝내고 NN에 찬성하여 한 가지 더 강조합니다.
그건 그렇고, 나는 국회의 가중치에 대한 연립방정식의 해법을 알아냈습니다. 무화과에. 검정색은 오류 역전파(ORP) 횟수 1000으로 NN을 훈련하는 일반적인 방법을 보여주고 파란색은 분석 솔루션입니다. NN 학습은 모든 단계에서 발생하며 예측은 한 단계 앞서 있습니다.
VR의 추세 섹션에 대한 분석적 변형이 나에게 명확하지 않은 이유로 약화되었음을 알 수 있습니다. 그러나 ORO 방법에 따른 이 작업의 계산 시간은 10초이고 분석의 경우 0.001초입니다.
10,000배 빠른 성능 향상!
일반적으로 네트워크 작업은 매력적입니다. 그녀는 가격 추세를 느끼고 자석처럼 그녀의 예측에서 그녀에게 끌리는 것 같습니다!
초보자 "신경 연구원"인 저에게 설명하십시오 ... 내가 이해하는대로 문제의 네트워크는 다층 퍼셉트론입니다.
그리고 이러한 유형의 네트워크는 어떤 고려 사항에서 선택되었습니까? Hopfield나 Kohonen 또는 다른 것이 아닌 이유는 무엇입니까?
더 철학적인 질문입니다. 사실은 "복잡한" NS 아키텍처가 무한히 많고, 가장 단순한 것은 하나만 있다는 것입니다! 이것은 단층 퍼셉트론입니다. 이 경우 비선형 활성화 함수로 구현됩니다.
...
일반적으로 네트워크 작업은 매력적입니다. 그녀는 가격 추세를 느끼고 자석처럼 그녀의 예측에서 그녀에게 끌리는 것 같습니다!
물론 그 질문은 철학적입니다. 저도 초보자입니다. 그러나 예를 들어 확률적 네트워크가 아닌 이유는 무엇입니까? 특히 - 잘 알려진 작년의 사건 이후? 사실, 다른 작업이 있습니다. 또한 예측이 관측된 매개변수의 필터링에 가깝다면 확률 추정은 관측되지 않은 매개변수의 필터링에 가깝지만 결정 영역으로의 전환 문제를 즉시 해결합니다.
PS 그건 그렇고, 확률 네트워크의 작동 시간은 다층 퍼셉트론보다 비교할 수 없을 정도로 짧고 학습 능력도 나쁘지 않습니다.
더 깊이 파고들고 싶습니다 ... 예를 들어 NN (숨겨진 레이어)의 합병증이 얼마나 정당화되는지.
입력되는 내용에 따라 다릅니다. 시장에서 막대(증가)를 직접 붙이면 매우 정당화됩니다.
그래프가 매끄럽고 부분적으로 단조롭기 때문에 예제에서는 이것을 볼 수 없습니다. 너, 저기 국회도 하나의 입구를 가진 "규칙". 저것들. 가장 원시적인 추세 추종 거래 시스템의 아날로그. NS 없이도 완벽하게 해결할 수 있는 작업. 어떤 종류의 다층 네트워크가 있습니까 ...
중성자 :
그리고 그냥 하세요. 사실 NN의 비선형성을 특정 형식으로 나타내면 가중치에 대한 정확한 분석 솔루션을 얻을 수 있습니다. 이것은 차례로 네트워크 훈련을 위한 Back Propagation 방법을 포기하고 1000 Epoch 훈련 없이 한 단계에서 가능한 한 정확한 결과를 얻을 수 있음을 의미합니다!!
NN의 훈련은 기능을 최적화 하는 작업이라는 것을 이해해야 합니다. 그리고 그 분석 솔루션은 연립방정식의 솔루션보다 훨씬 더 복잡합니다. 하나의 변수(가장 단순한 퍼셉트론의 유사체)의 선형회귀 함수를 분석적으로 계산하는 방법을 보세요... 어떠세요? 이제 많은 변수가 있고 함수가 n차까지 비선형인 경우 솔루션이 어떻게 보일지 상상해 보세요(다층 NN과 유사)... :-)
NS는 삶을 더 쉽게 만들기 위해 발명되었습니다. 그리고 역전파로 네트워크를 훈련시킬 필요가 없습니다. 이것은 가장 단순하지만 가장 느린 알고리즘입니다. 그 외에도 훨씬 더 빠르게 작동하는 알고리즘이 있습니다.
데이터 샘플에 대한 다중 변수의 복잡한 기능을 모델링하기 위한 신경망 구조 E. V. Gavrilova, O. A. Mishulina, M. V. Shcherbinina Izvestiya RAN. 이론 및 제어 시스템 No. 1, 2007년 1월-2월, pp. 73-82
우리는 추가 노이즈의 배경에 대해 측정되고 정의의 개별 하위 도메인에서 질적으로 다른 동적 속성을 특징으로 하는 많은 변수의 함수를 근사화하는 문제를 고려합니다. 문제에 대한 솔루션은 전문화된 모듈식 신경망 구조 LINA를 사용하여 제안되며 훈련 및 기능에 대한 규칙이 공식화됩니다.
자료를 준비했는데 기사 와 같이 절대율이 아니라 양초의 종류에 따라 준비했습니다. 일일 양초의 종가가 시가보다 높으면 1, 그 반대의 경우 -1입니다. 처음에는 10개의 입력이 있었지만 노트북은 빠지지 않았습니다. 기사에서와 같이 입력 수를 4x로 줄였습니다. 아키텍처가 표시되고 모든 것이 정상인 것처럼 보이지만 몇 에포크 후에 train을 누르면 훈련이 중지되고 그래프 위와 명령에 Train Error가 기록됩니다. 내가 맨 처음에 쓴 줄. 문제가 무엇입니까? Matlab 버전에 버그가 있습니까? Matlab 7.0.1.24704(R14) 서비스 팩 1이 있습니다.
ANFIS에서는 작동하지 않아 NNTool을 사용하기로 결정했습니다. 별도의 입력(각각 4개의 입력), 별도의 출력, 지정된 매개변수, 네트워크 생성 - 그러나 네트워크 아키텍처를 볼 때 2개의 입력이 있는 것으로 표시됩니다. 음, 어쨌든 기차를 누르면 오류가 생성됩니다.
==> 네트워크 트레인 사용 오류 네트워크에 대한 입력 크기가 잘못되었습니다. 행렬에는 모두 2개의 행이 있어야 합니다. 입력 수를 설정하는 곳이 있습니까?
추신.
휴대 휴대 휴대 ;-)
이것은 단일 레이어 비선형 NN의 가중치에 대한 "정확한" 분석 솔루션입니다.
...
그것은 나를 미소 짓게 했다.
그러나 전체 계산에는 1밀리초가 걸립니다.이론적으로 모든 NS는 연립방정식과 같습니다. 그리고 충분히 간단하다면 이 시스템을 분석적 형태로 작성하고 가중치와 관련하여 푸는 것이 더 저렴합니다. 네트워크(즉, 동등한 방정식 시스템)가 더 복잡해짐에 따라 문제와 까다로운 학습 방법의 필요성이 발생하기 시작합니다. 이 사실을 깨닫고 나는 한때 관심에서 시작된 네트웍과의 인연을 끊었다. 나는 먼저 모델을 생각해 내고 나서야 그것을 해결할 수 있는 가장 경제적인 방법을 찾아야 한다고 결정했습니다. 여전히 NN 방법의 사용은 매우 복잡한 모델에 대해서만 정당화되는 것 같습니다. :) .
초보자 "신경 연구원"인 저에게 설명하십시오 ... 내가 이해하는대로 문제의 네트워크는 다층 퍼셉트론입니다.
그리고 이러한 유형의 네트워크는 어떤 고려 사항에서 선택되었습니까? Hopfield나 Kohonen 또는 기타가 아닌 이유는 무엇입니까?
더 철학적인 질문입니다. 사실은 "복잡한" NS 아키텍처가 무한히 많고, 가장 단순한 것은 하나만 있다는 것입니다! 이것은 단층 퍼셉트론입니다. 이 경우 비선형 활성화 함수로 구현됩니다.
칸디다 에
이론적으로 모든 NS는 연립방정식과 같습니다. 그리고 충분히 간단하다면 이 시스템을 분석적 형태로 작성하고 가중치와 관련하여 푸는 것이 더 저렴합니다. 네트워크(즉, 동등한 방정식 시스템)가 더 복잡해짐에 따라 문제와 까다로운 학습 방법의 필요성이 발생하기 시작합니다. 이 사실을 깨닫고 나는 한때 관심에서 시작된 네트워크와의 인연을 끊었다. 방금 먼저 모델을 생각해 낸 다음 이를 해결하는 가장 경제적인 방법을 찾아야 한다고 결정했습니다. 여전히 NN 방법의 사용은 매우 복잡한 모델에 대해서만 정당화되는 것 같습니다. :) .
좋아요. 또한 시장 VR의 고유한 비정상성을 언급할 수 있습니다. 이는 기존의 통계 분석 방법을 끝내고 NN에 찬성하여 한 가지 더 강조합니다.
그건 그렇고, 나는 국회의 가중치에 대한 연립방정식의 해법을 알아냈습니다. 무화과에. 검정색은 오류 역전파(ORP) 횟수 1000으로 NN을 훈련하는 일반적인 방법을 보여주고 파란색은 분석 솔루션입니다. NN 학습은 모든 단계에서 발생하며 예측은 한 단계 앞서 있습니다.
VR의 추세 섹션에 대한 분석적 변형이 나에게 명확하지 않은 이유로 약화되었음을 알 수 있습니다. 그러나 ORO 방법에 따른 이 작업의 계산 시간은 10초이고 분석의 경우 0.001초입니다.
10,000배 빠른 성능 향상!
일반적으로 네트워크 작업은 매력적입니다. 그녀는 가격 추세를 느끼고 자석처럼 그녀의 예측에서 그녀에게 끌리는 것 같습니다!
초보자 "신경 연구원"인 저에게 설명하십시오 ... 내가 이해하는대로 문제의 네트워크는 다층 퍼셉트론입니다.
그리고 이러한 유형의 네트워크는 어떤 고려 사항에서 선택되었습니까? Hopfield나 Kohonen 또는 다른 것이 아닌 이유는 무엇입니까?
더 철학적인 질문입니다. 사실은 "복잡한" NS 아키텍처가 무한히 많고, 가장 단순한 것은 하나만 있다는 것입니다! 이것은 단층 퍼셉트론입니다. 이 경우 비선형 활성화 함수로 구현됩니다.
...
일반적으로 네트워크 작업은 매력적입니다. 그녀는 가격 추세를 느끼고 자석처럼 그녀의 예측에서 그녀에게 끌리는 것 같습니다!
물론 그 질문은 철학적입니다. 저도 초보자입니다. 그러나 예를 들어 확률적 네트워크가 아닌 이유는 무엇입니까? 특히 - 잘 알려진 작년의 사건 이후? 사실, 다른 작업이 있습니다. 또한 예측이 관측된 매개변수의 필터링에 가깝다면 확률 추정은 관측되지 않은 매개변수의 필터링에 가깝지만 결정 영역으로의 전환 문제를 즉시 해결합니다.
PS 그건 그렇고, 확률 네트워크의 작동 시간은 다층 퍼셉트론보다 비교할 수 없을 정도로 짧고 학습 능력도 나쁘지 않습니다.
PPS 챔피언십에서 베터의 밸런스 커브를 보니 저도 신기했습니다. :-)
더 깊이 파고들고 싶습니다 ... 예를 들어 NN (숨겨진 레이어)의 합병증이 얼마나 정당화되는지.
입력되는 내용에 따라 다릅니다. 시장에서 막대(증가)를 직접 붙이면 매우 정당화됩니다.
그래프가 매끄럽고 부분적으로 단조롭기 때문에 예제에서는 이것을 볼 수 없습니다. 너, 저기 국회도 하나의 입구를 가진 "규칙". 저것들. 가장 원시적인 추세 추종 거래 시스템의 아날로그. NS 없이도 완벽하게 해결할 수 있는 작업. 어떤 종류의 다층 네트워크가 있습니까 ...
그리고 그냥 하세요. 사실 NN의 비선형성을 특정 형식으로 나타내면 가중치에 대한 정확한 분석 솔루션을 얻을 수 있습니다. 이것은 차례로 네트워크 훈련을 위한 Back Propagation 방법을 포기하고 1000 Epoch 훈련 없이 한 단계에서 가능한 한 정확한 결과를 얻을 수 있음을 의미합니다!!
NN의 훈련은 기능을 최적화 하는 작업이라는 것을 이해해야 합니다. 그리고 그 분석 솔루션은 연립방정식의 솔루션보다 훨씬 더 복잡합니다. 하나의 변수(가장 단순한 퍼셉트론의 유사체)의 선형회귀 함수를 분석적으로 계산하는 방법을 보세요... 어떠세요? 이제 많은 변수가 있고 함수가 n차까지 비선형인 경우 솔루션이 어떻게 보일지 상상해 보세요(다층 NN과 유사)... :-)
NS는 삶을 더 쉽게 만들기 위해 발명되었습니다. 그리고 역전파로 네트워크를 훈련시킬 필요가 없습니다. 이것은 가장 단순하지만 가장 느린 알고리즘입니다. 그 외에도 훨씬 더 빠르게 작동하는 알고리즘이 있습니다.
더 깊이 파고들고 싶습니다 ... 예를 들어 NN (숨겨진 레이어)의 합병증이 얼마나 정당화되는지.
입력되는 내용에 따라 다릅니다. 시장에서 막대(증가)를 직접 붙이면 매우 정당화됩니다.
그래프가 매끄럽고 부분적으로 단조롭기 때문에 예제에서는 이것을 볼 수 없습니다. 너, 저기 국회도 하나의 입구 "규칙". 저것들. 가장 원시적인 추세 추종 거래 시스템의 아날로그. NS 없이도 완벽하게 해결할 수 있는 작업. 어떤 종류의 다층 네트워크가 있습니까?
ds2 의 경우, 동일한 몰입 깊이가 있는 경우 가격 유형 VR 예측 요구 사항에 사용되는 단일 레이어 퍼셉트론과 다층 퍼셉트론을 비교하는 데 찬성할 수 있습니까? 예측력의 그래프 형태로 논증을 보고 싶습니다.
입력되는 내용에 따라 다릅니다. 시장에서 막대(증가)를 직접 붙이면 매우 정당화됩니다.
그래프가 매끄럽고 부분적으로 단조롭기 때문에 예제에서는 이것을 볼 수 없습니다.
ds2 의 경우, 동일한 몰입 깊이가 있는 경우 가격 유형 VR 예측 요구 사항에 사용되는 단일 레이어 퍼셉트론과 다층 퍼셉트론을 비교하는 데 찬성할 수 있습니까? 예측력의 그래프 형태로 논증을 보고 싶습니다.
네트워크가 어떻게 작동하는지 이해한다면 분명합니다. 단일 계층 네트워크는 단조로운 종속성만 설명할 수 있지만 다중 계층 네트워크는 모든 종속성을 설명할 수 있습니다.
NN의 기능과 알려진 유형의 MTS를 비교하면 단일 레이어가 MACD의 작동을 모방할 수 있지만 치아에 의한 Pessavento 패턴 인식은 이미 다층 네트워크에 불과합니다.
직접 실험하고 볼 수 있습니다. 이를 위한 모든 도구와 데이터가 있습니다.
MQL에 Kolmogorov-Smirnov 기준과 Spearman의 순위 상관 관계에 따른 입력 평가를 작성한 사람이 있습니까?
등록을 해도 이 링크에 접근할 수 없습니다. 또는 Grail에 대한 경로가 거기에 설명되어 있습니다 ;-).
http://www.maikonline.com/maik/showArticle.do?auid=VAF0AMGLSL〈=en PDF 274kb데이터 샘플에 대한 다중 변수의 복잡한 기능을 모델링하기 위한 신경망 구조
E. V. Gavrilova, O. A. Mishulina, M. V. Shcherbinina Izvestiya RAN. 이론 및 제어 시스템 No. 1, 2007년 1월-2월, pp. 73-82
우리는 추가 노이즈의 배경에 대해 측정되고 정의의 개별 하위 도메인에서 질적으로 다른 동적 속성을 특징으로 하는 많은 변수의 함수를 근사화하는 문제를 고려합니다. 문제에 대한 솔루션은 전문화된 모듈식 신경망 구조 LINA를 사용하여 제안되며 훈련 및 기능에 대한 규칙이 공식화됩니다.
Anfisedit에서 학습할 때 오류가 지속적으로 생성됩니다.
??? ==> anfisedit 사용 중 오류 발생
잘못된 핸들 개체입니다.
??? uicontrol 콜백을 평가하는 동안 오류가 발생했습니다.
자료를 준비했는데 기사 와 같이 절대율이 아니라 양초의 종류에 따라 준비했습니다. 일일 양초의 종가가 시가보다 높으면 1, 그 반대의 경우 -1입니다. 처음에는 10개의 입력이 있었지만 노트북은 빠지지 않았습니다. 기사에서와 같이 입력 수를 4x로 줄였습니다. 아키텍처가 표시되고 모든 것이 정상인 것처럼 보이지만 몇 에포크 후에 train을 누르면 훈련이 중지되고 그래프 위와 명령에 Train Error가 기록됩니다. 내가 맨 처음에 쓴 줄. 문제가 무엇입니까? Matlab 버전에 버그가 있습니까? Matlab 7.0.1.24704(R14) 서비스 팩 1이 있습니다.
ANFIS에서는 작동하지 않아 NNTool을 사용하기로 결정했습니다. 별도의 입력(각각 4개의 입력), 별도의 출력, 지정된 매개변수, 네트워크 생성 - 그러나 네트워크 아키텍처를 볼 때 2개의 입력이 있는 것으로 표시됩니다. 음, 어쨌든 기차를 누르면 오류가 생성됩니다.
==> 네트워크 트레인 사용 오류
네트워크에 대한 입력 크기가 잘못되었습니다.
행렬에는 모두 2개의 행이 있어야 합니다.
입력 수를 설정하는 곳이 있습니까?