이것은 함수를 근사화하는 것이 아닙니다. 나는 당신이 언급한 증거에 대해 아무 것도 모릅니다(왜냐하면 투영 네트워크로 작업할 필요가 없었기 때문입니다). 그러나 일반적인 고려 사항은 임의의 함수를 근사할 때 기저 함수의 유형과 기저 자체의 차원이 네트워크의 "계층화"보다 훨씬 더 큰 역할; 그러나 이것은 일반적으로 투영 방법에 해당됩니다.
나는 암시적인 고려 사항에서 표시된 네트워크 구성을 다시 선택했습니다. 아마도 이것이 생명체의 뇌가 배열되는 방식이며 이것이 적응 암기 및 입력 정보 분류를 통해 "학습"하는 방식입니다. (그는 어리석은 질문으로 그가 아는 생물학자들과 의사들을 거의 죽을 뻔 했지만 그들은 "도대체 이게 왜 필요해."와 "직접 잘라서 써봐"라는 말 외에는 명확한 말을 할 수 없었다.) 가중치 조정을 위한 Oya 규칙의 선택 - 이 경우 "선생님과 함께 학습" 또는 "선생님 없이"가 발생하는지 확실하게 말할 수 없습니다(어떤 이유로 이러한 개념 분할은 항상 나에게 지나치게 인공적으로 보였다). 흥미롭게도 가중치를 조정하는 특정 순간부터 이러한 네트워크는 예측할 수 없게 됩니다. 즉, 지금까지는 그러한 "수정"에 대해서만 이야기하고 있지만 "동작"하기 시작합니다.
요컨대, 가중치를 조정하는 기술과 함께 네트워크는 거의 전적으로 휴리스틱 고려 사항으로 구축되었습니다. 결국, 우리 모두가 여기에서 이기기 위해 노력하는 주식 시장에서 이러한 고려 사항이 중요한 역할을 할 가능성이 높습니다. 비누: alex-jou Hund rambler Punkt ru(매우 큰 요청일 뿐입니다. 스팸을 피하기 위해 연락처 목록에 추가하지 마십시오. 일반적으로 모든 사람에게 권장합니다. 이 서비스의 이점은 거의 0입니다. 피해가 엄청나다.)
sayfuji : 사실 주제. 신경망으로 작업하는 방법: mql4 도구(동일한 인공 지능)만 사용하고 MatLab 또는 특수 신경 패키지(Neuro Shell Day Trader, NeuroSolutions 등)와 같은 프로그램을 사용하고 어드바이저 코드에 dll을 첨부합니다. 귀하의 접근 방식은 무엇이며 다른 방법보다 장점(수익성 제외)은 무엇입니까?
각 접근 방식에는 고유한 장점과 단점이 있습니다.
1. 신경망을 개발할 때 블랙박스를 다루는 것이 아닙니다. 물론 소스 코드를 가져와 컴파일했지만 해당 작업에 대한 특정 작업을 완료한 경우는 예외입니다.
2. 브랜드 메쉬를 구입하면 돈을 위한 블랙박스와 함께 지원, 기성품 솔루션 및 브랜드 입구 관람석을 얻을 수 있습니다.
간단히 말해서, 예를 들어 시계열 예측 을 위한 범용 패키지를 구입하면 사용자는 거기에 입력되는 내용에 대해 생각할 필요가 없습니다. 패키지에서 시계열 자체가 있는 그대로 입력에 공급되기 때문입니다. 그리고 이미 패키지 자체에 네트워크 입력에 제출할 수 있도록 미리 준비되어 있습니다. 메쉬가 훈련을 시작하기 전에 미백이 발생합니다.
1. 입력 데이터 필터링 및 평활화를 통해 예측 가능하고 노이즈 감소
2. 정규화
3. 덜 중요한 입력을 변형 및 제거
4. 입력 데이터 간의 상관 관계 제거
5. 입력 데이터에서 선형성 제거
6. 정규화된 데이터에 대한 적절한 시그모이드 선택
등. 등.
그 후 네트워크가 훈련됩니다. 그런 다음 출력 데이터가 복원됩니다. 예를 들어 입력에서 선형성이 제거된 경우 패키지는 출력에서 선형성을 복원합니다. 입력의 쓰레기는 출력의 달콤함을 만듭니다. 충분히 가능하기 때문에 우리는 독점 패키지의 신경망 대신 유전자 알고리즘과 일종의 회귀 또는 기타 외삽 방법이 사용되는 블랙박스를 다루고 있습니다.
- 따라서 신경망을 가지고 놀아도 '정규화'라는 용어가 이해가 되지 않는 사용자의 경우 시계열 예측을 위한 범용 패키지를 구입하는 것이 좋습니다. 시계열(따옴표) 자체가 지연의 차원입니다.
- 신경망 아키텍처의 기능을 알고 있는 고급 사용자, 즉 장점과 단점을 연구했기 때문에 보다 전문화된 패키지를 구매해야 합니다. 이러한 패키지는 애지중지하기에는 적합하지 않습니다. 특정 작업의 경우 적절한 아키텍처를 독립적으로 선택해야 합니다. 그리고 모든 종류의 쓰레기를 입력에 제출하는 것과 같은 "과학적" 찌르기 방법은 더 이상 여기에서 좋지 않습니다. 높은 확률로 출구에는 쓰레기도 있습니다.
- 다른 모든 것, 즉. 자체 완성된 네트워크 또는 일반적으로 스크래치 소스에서 작성된 네트워크를 조합하는 것은 네트워크를 훈련하기 전에 입력 데이터를 준비하고 훈련 후 출력에서 데이터를 복원하는 실제 경험이 있는 사람들에게만 적합합니다.
저것들. 신경망 패키지를 선택하는 원칙은 엄청나게 간단합니다. 큰 것을 걸을 수 없다면 항문을 고문하지 마십시오. 멋진 패키지를 구입했고 첨부된 설명서의 도움으로 스스로 대답할 수 없는 사용에 대한 질문이 있는 경우 이는 단 한 가지를 의미합니다. 모자는 Senka에 따르지 않습니다. 즉. 멍청한 사람들을 위해 덜 멋진 것을 얻으십시오.
- 레이어의 수는 입력 벡터의 차원에 의해 결정됩니다. 네트워크는 작업 배열을 정의하고 초기화/읽음으로써 자동으로 생성됩니다.
- 은닉층의 뉴런 수는 1/(2^N)("결정적 결정") 또는 1/N("기억 결정") 법칙에 따라 N이 증가함에 따라 점진적으로 감소합니다.
3개의 층이 어떤 기능을 근사화하기에 충분하다는 것이 입증된 것 같습니다. 당신은 그들 중 더 많은 것 같습니다. 어떤 이유로?
대체적으로는 제 생각과 매우 흡사하지만, 국회와의 친분으로 봐서는 훨씬 이른 단계에 있는 것 같습니다. 채팅하는 것이 흥미로울 것입니다. 여기에 이메일을 주실 수 있습니까? 또는 나에게 편지를 보내십시오 - yandex ru의 likh.
이것은 함수를 근사화하는 것이 아닙니다. 나는 당신이 언급한 증거에 대해 아무 것도 모릅니다(왜냐하면 투영 네트워크로 작업할 필요가 없었기 때문입니다). 그러나 일반적인 고려 사항은 임의의 함수를 근사할 때 기저 함수의 유형과 기저 자체의 차원이 네트워크의 "계층화"보다 훨씬 더 큰 역할; 그러나 이것은 일반적으로 투영 방법에 해당됩니다.
나는 암시적인 고려 사항에서 표시된 네트워크 구성을 다시 선택했습니다. 아마도 이것이 생명체의 뇌가 배열되는 방식이며 이것이 적응 암기 및 입력 정보 분류를 통해 "학습"하는 방식입니다. (그는 어리석은 질문으로 그가 아는 생물학자들과 의사들을 거의 죽을 뻔 했지만 그들은 "도대체 이게 왜 필요해."와 "직접 잘라서 써봐"라는 말 외에는 명확한 말을 할 수 없었다.) 가중치 조정을 위한 Oya 규칙의 선택 - 이 경우 "선생님과 함께 학습" 또는 "선생님 없이"가 발생하는지 확실하게 말할 수 없습니다(어떤 이유로 이러한 개념 분할은 항상 나에게 지나치게 인공적으로 보였다). 흥미롭게도 가중치를 조정하는 특정 순간부터 이러한 네트워크는 예측할 수 없게 됩니다. 즉, 지금까지는 그러한 "수정"에 대해서만 이야기하고 있지만 "동작"하기 시작합니다.
요컨대, 가중치를 조정하는 기술과 함께 네트워크는 거의 전적으로 휴리스틱 고려 사항으로 구축되었습니다. 결국, 우리 모두가 여기에서 이기기 위해 노력하는 주식 시장에서 이러한 고려 사항이 중요한 역할을 할 가능성이 높습니다. 비누: alex-jou Hund rambler Punkt ru(매우 큰 요청일 뿐입니다. 스팸을 피하기 위해 연락처 목록에 추가하지 마십시오. 일반적으로 모든 사람에게 권장합니다. 이 서비스의 이점은 거의 0입니다. 피해가 엄청나다.)
3개의 층이 어떤 기능을 근사화하기에 충분하다는 것이 입증된 것 같습니다. 당신은 그들 중 더 많은 것 같습니다. 어떤 이유로?
사실 주제. 신경망으로 작업하는 방법: mql4 도구(동일한 인공 지능)만 사용하고 MatLab 또는 특수 신경 패키지(Neuro Shell Day Trader, NeuroSolutions 등)와 같은 프로그램을 사용하고 어드바이저 코드에 dll을 첨부합니다. 귀하의 접근 방식은 무엇이며 다른 방법보다 장점(수익성 제외)은 무엇입니까?
각 접근 방식에는 고유한 장점과 단점이 있습니다.
1. 신경망을 개발할 때 블랙박스를 다루는 것이 아닙니다. 물론 소스 코드를 가져와 컴파일했지만 해당 작업에 대한 특정 작업을 완료한 경우는 예외입니다.
2. 브랜드 메쉬를 구입하면 돈을 위한 블랙박스와 함께 지원, 기성품 솔루션 및 브랜드 입구 관람석을 얻을 수 있습니다.
간단히 말해서, 예를 들어 시계열 예측 을 위한 범용 패키지를 구입하면 사용자는 거기에 입력되는 내용에 대해 생각할 필요가 없습니다. 패키지에서 시계열 자체가 있는 그대로 입력에 공급되기 때문입니다. 그리고 이미 패키지 자체에 네트워크 입력에 제출할 수 있도록 미리 준비되어 있습니다. 메쉬가 훈련을 시작하기 전에 미백이 발생합니다.
1. 입력 데이터 필터링 및 평활화를 통해 예측 가능하고 노이즈 감소
2. 정규화
3. 덜 중요한 입력을 변형 및 제거
4. 입력 데이터 간의 상관 관계 제거
5. 입력 데이터에서 선형성 제거
6. 정규화된 데이터에 대한 적절한 시그모이드 선택등. 등.
그 후 네트워크가 훈련됩니다. 그런 다음 출력 데이터가 복원됩니다. 예를 들어 입력에서 선형성이 제거된 경우 패키지는 출력에서 선형성을 복원합니다. 입력의 쓰레기는 출력의 달콤함을 만듭니다. 충분히 가능하기 때문에 우리는 독점 패키지의 신경망 대신 유전자 알고리즘과 일종의 회귀 또는 기타 외삽 방법이 사용되는 블랙박스를 다루고 있습니다.
-++++--------------------------------------------- - -------------------------------------------------- - ----------------------------------++++-
- 따라서 신경망을 가지고 놀아도 '정규화'라는 용어가 이해가 되지 않는 사용자의 경우 시계열 예측을 위한 범용 패키지를 구입하는 것이 좋습니다. 시계열(따옴표) 자체가 지연의 차원입니다.
- 신경망 아키텍처의 기능을 알고 있는 고급 사용자, 즉 장점과 단점을 연구했기 때문에 보다 전문화된 패키지를 구매해야 합니다. 이러한 패키지는 애지중지하기에는 적합하지 않습니다. 특정 작업의 경우 적절한 아키텍처를 독립적으로 선택해야 합니다. 그리고 모든 종류의 쓰레기를 입력에 제출하는 것과 같은 "과학적" 찌르기 방법은 더 이상 여기에서 좋지 않습니다. 높은 확률로 출구에는 쓰레기도 있습니다.
- 다른 모든 것, 즉. 자체 완성된 네트워크 또는 일반적으로 스크래치 소스에서 작성된 네트워크를 조합하는 것은 네트워크를 훈련하기 전에 입력 데이터를 준비하고 훈련 후 출력에서 데이터를 복원하는 실제 경험이 있는 사람들에게만 적합합니다.
저것들. 신경망 패키지를 선택하는 원칙은 엄청나게 간단합니다. 큰 것을 걸을 수 없다면 항문을 고문하지 마십시오. 멋진 패키지를 구입했고 첨부된 설명서의 도움으로 스스로 대답할 수 없는 사용에 대한 질문이 있는 경우 이는 단 한 가지를 의미합니다. 모자는 Senka에 따르지 않습니다. 즉. 멍청한 사람들을 위해 덜 멋진 것을 얻으십시오.
신경망을 사용하지 않는 다른 TS와 마찬가지로 신경망에는 한 가지 문제만 있습니다. 신경망은 항상 주어진 시간 간격(훈련 또는 최적화 섹션)에서 패턴을 찾은 다음 동일한 질문이 발생합니다. 이 발견된 패턴이 미래에 작동(수익)됩니까?
Reshetov :
입력의 쓰레기는 출력의 달콤함을 만듭니다.
절대.
충분히 가능하기 때문에 우리는 독점 패키지의 신경망 대신 유전자 알고리즘과 일종의 회귀 또는 기타 외삽 방법이 사용되는 블랙박스를 다루고 있습니다.
GA는 NN 및 회귀와 어떤 관련이 있습니까?
NS는 방법입니다.
GA는 방법입니다.
"국회 GA 대신 참여"는 미친 소리처럼 들립니다. "심장 대신 배기가스 분석기를 설치하겠다"는 식이다.
죄송합니다.
.......그러면 같은 질문이 생깁니다. 이 규칙성이 미래에 효과가 있습니까(이점)?
순전히 가설적으로 이 질문에 대답할 방법이 발견되었거나 이미 발견되었다고 가정해 보십시오. "아니오"입니다. 또한 모든 차량에 적용됩니다. 이로부터 어떤 결론을 내릴 수 있습니까?
거래자가 거래를 중단합니까? 다만 궁금하다.
추신. 거래자는 대답이 "아니오"인 신뢰할 수 있는 정보를 구매할 것입니까? 아니면 이 질문에 대한 답을 모르는 것을 선호합니까? (수사, 있다면)
순전히 가설적으로 이 질문에 대답할 방법이 발견되었거나 이미 발견되었다고 가정해 보십시오. "아니오"입니다. 또한 모든 차량에 적용됩니다. 이로부터 어떤 결론을 내릴 수 있습니까?
거래자가 거래를 중단합니까? 다만 궁금하다.
추신. 거래자는 대답이 "아니오"인 신뢰할 수 있는 정보를 구매할 것입니까? 아니면 이 질문에 대한 답을 모르는 것을 선호합니까? (수사, 있다면)