무언가를 증명하는 것은 감사한 일이 아닙니다. 사실 좋은 예측을 하는 것은 매우 어렵습니다. 많은 요인이 정확한 예측의 생성에 영향을 미칩니다. 예를 들어, 예측을 한다면 하루 초반에 하는 것이 좋으며, 거래 세션 중간에 예측을 해서는 안 됩니다. 1 거래 세션 당 ..... 5분 동안 최고의 예측을 얻습니다. 95%는 헛소리지만, 각 페어마다 따로 네트워크를 구성해야 하고, 시간도 많이 걸리고 나름의 미묘함도 있다........ 사실 미묘함이 많다.
예, 중요한 부분을 추가하는 것을 잊었습니다. 예보를 업데이트하려면 linear 또는 n.net 블록을 철거하고 처리를 다시 시작해야 합니다. 그렇지 않으면 업데이트를 받게 되지만 이전 확률로 업데이트되지 않습니다. 새 블록을 철거하고 시작할 때 새로운 계수를 받게 됩니다.
그것은 모두 프레임과 설정에 달려 있습니다. 70% ~ 95%
네, 반전과 강함을 모두 보여줍니다.
증거가 매우 바람직합니다. 비정상 VR 구간에서도 예측이 가능하다는 희소식입니다. 당신은 이것을 주장하는 유일한 사람이며 다른 사람들과 친숙하지 않습니다.
무언가를 증명하는 것은 고마운 일이 아니다
이것을 자랑스럽게 여기는 사람들이 시장에 있다는 것이 놀랍습니다. 결국 테스터 실행을 그래프로 보여줄 수 있습니다. 또는 모두. 당신은 무엇을 썼습니까? 더위에서 잡담?
이 DA는 다소 약합니다.
나는 그것을 인식의 간단한 고전적인 예에 따라 운전했습니다.
예시 라인:
1. 새
2. 플라이
3. 비행기
4. 글라이더
5. 비순항 미사일
처음 6개 열은 인식 가능한 개체의 입력 기능입니다. 나머지 열은 출력입니다.
2층 메쉬: 6 x 2 x 6 x 6
Back Propagation을 테스트할 때 일반적으로 훈련 세트의 40%(선형 분리성)가 문제입니다.
저것들. 비행기도, 글라이더도, 로켓도 인식할 수 없는 것으로 판명되었습니다. 모든 출력, 모든 입력에서 음수 값만 있습니다. 새와 글라이더는 아주 정확하게 인식되었습니다. 생물학적 물체와 기계적 물체의 차이 출력도 꽤 정확하게 인식되었습니다.
동일한 조건 및 아키텍처에서 RPROP을 테스트할 때 결과가 더 좋습니다.
저것들. 이미 100%의 선형 분리 가능성이 있지만 오류가 있습니다.