신경망 훈련에 가장 잘 사용되는 교사 값은 몇 개입니까? 예를 들어, 네트워크의 반응에 4가지 가능한 조치가 있는 경우. 4개의 값을 사용하면 평균값을 평활화할 때보다 오차가 더 크다는 것을 알았습니다. 얼마가 최적인가요? 첨부 파일에서 왼쪽은 실제 출력, 오른쪽은 네트워크가 훈련된 값입니다.
그리고 당신의 고통은 인생의 신경망에 대한 고문의 성공적인 생성 및 적용을 통해 개인 재정 상태가 증가하는 형태로 오랫동안 기다려온 결과를 가져 왔습니까? 그러면 우리는 이 모든 것을 망칠 수 있습니다. :)
코호넨 네, 가끔 도움이 됩니다. BackProp - 교사가 필요합니다. 나는 가르치려고 노력했지만 결과는 마이너스였습니다. 선생님을 어디서 구해야 하는지 알아야 합니다. 내가 읽지 않은 기사 - 하나의 넌센스. 그래서 쓰레기통에 버렸습니다. 제가 틀렸을 수도 있고 여기 다른 누군가가 backprop에 대해 알려줄 것입니다. 그건 그렇고, Makarenko와 Golovko는 예를 들어 MEPhI의 신경 정보학 강의에서 흥미로운 내용을 가지고 있습니다.
대중을 위한 작은 질문. 스크립트를 사용하여 충돌하는 입력 벡터를 찾으려고 했습니다. 주어진 편차가 있거나 다른 벡터와 완전히 일치하는 입력 벡터가 있으면 교사가 이 막대에서 말하는 것과 같습니다. 그가 정반대의 결과를 말한다면, 입력은 모순됩니다. 입구에는 칠면조 AO가 있으며 교사는 Ivanov의 졸업장의 MPP와 유사합니다. 따라서 편차가 0이 아니라 조금 더(예: 0.5) 설정되면 스크립트는 충돌하는 벡터를 많이 찾습니다. 편차가 더 커지면 더 많이 찾는 식입니다. 저것들. 각 벡터는 완전히 개별적입니다. 그렇다면 코호넨 네트워크와 마찬가지로 이 경우 벡터를 유사한 그룹으로 결합하려면 어떻게 해야 합니까 ???
Burgunsky>> : 대중을 위한 작은 질문입니다. 스크립트를 사용하여 충돌하는 입력 벡터를 찾으려고 했습니다. 주어진 편차가 있거나 다른 벡터와 완전히 일치하는 입력 벡터가 있으면 이 막대에서 교사가 말하는 것과 같습니다. 그가 정반대의 결과를 말한다면 입력은 모순됩니다. 입구에는 칠면조 AO가 있으며 교사는 Ivanov의 졸업장의 MPP와 유사합니다. 따라서 편차가 0이 아니라 조금 더(예: 0.5) 설정되면 스크립트는 충돌하는 벡터를 많이 찾습니다. 편차가 더 커지면 더 많이 찾는 식입니다. 저것들. 각 벡터는 완전히 개별적입니다. 그렇다면 코호넨 네트워크와 마찬가지로 이 경우 벡터를 유사한 그룹으로 결합하려면 어떻게 해야 합니까 ???
예, 각 벡터가 개별적인지 아닌지가 아닙니다. 요점은 벡터 자체가 구성되는 방식입니다. 신경망은 데이터 해석을 위한 도구일 뿐이며, 원하는 모든 것을 제공하는 "스마트 인공 지능"이 아니며 그녀가 모든 것을 스스로 이해할 것이라는 점을 이해하십시오. NS는 조건 반사 작용-> 반응의 가장 원시적인 규칙에 따라 작동합니다. 그렇기 때문에 그녀에게 AO 신호를 보여주거나 다른 지표나 일반적으로 별자리를 보여줍니다. 그녀에게는 중요하지 않습니다. 원래 신호에 유용한 정보가 포함되어 있지 않으면 네트워크는 신호에서 아무 것도 가져오지 않습니다. 그녀에게 대략 20개의 AO 판독값을 보여주었다고 생각해 보십시오. 이제 시장 상황의 다양한 변형이 그러한(또는 "거의 이와 같은" - 상관 관계 측면에서) 시퀀스의 형성으로 이어질 수 있는지 상상해 보십시오. 그 중 단 두 가지만 있습니다(제한적인 경우). 정반대의 결과를 줄 확률은 결코 무시할 수 없습니다. 더 있으면 어떻게 합니까? 그리고 일반적으로 AO 또는 AC 또는 태양 활동 그래프를 표시하면 어떻게 알 수 있습니까 ??? 따라서 소위. "모순 벡터" - 원시 데이터에서, 소위. 불일치는 실제로 네트워크 또는 네트워크가 설명하는 수학적 모델이 충분한 인수가 없기 때문에 이 상황에서 단순히 결정을 내릴 수 없다고 말합니다.
벌거벗은 가격과 AO와 같은 선형 지표에 시간을 낭비하지 마십시오. 이것은 통과된 단계이며 수많은 실험에서 적어도 수익성이 없음이 입증되었습니다. 비선형 측면을 파고 주요 구성 요소 등을 분리합니다. 네트워크는 의미 있는 데이터를 분석할 때만 성공적으로 작동합니다. 그리고 프로그래머의 머리만이 거기에 의미를 부여할 수 있습니다(하나일 필요는 없습니다. 다양한 기술 도구를 연결할 수도 있습니다).
to alsu: 그리고 비선형 데이터는 비단일 정렬 데이터입니까? 비선형성의 예를 들 수 있습니까? 그렇지 않으면 이 경우에 적용하는 방법을 따라잡을 수 없습니다. 일반적으로 네트워크의 수학적 모델은 일종의 선형 모델로 밝혀졌습니다. 구성 후에는 두 가지 버전의 출력만 있습니다.
나는 오히려 외부 표현이 아니라 진행중인 과정의 깊은 본질을 어느 정도 반영한다고 말하고 싶습니다. 트레이더가 시작하려면 무엇이 필요합니까? 뉴스의 흐름, 가격의 흐름, 볼륨의 흐름(실제로 데이터는 이질적임)이 있습니다. 더욱이, 마지막 두 객체가 말하자면 이미 "수학화"되어 있는 경우(숫자로 표현되면 뉴스와 함께 작업이 더 복잡해짐) 첫째, 획득해야 하고 둘째, 어떻게든 형식화되어야 합니다(음, 이것은 별도의 주제, 여기에서는 최근에 지점도 이에 관한 것이었습니다).
그래서 우리의 임무는 신경망에 이 모든 것을 소화 가능한 형태로 보여주는 것입니다. 즉, "구매", "판매" 및 "sidikuri"라는 단어와 같이 매우 구체적인 문구에 특정 방식으로 반응하도록 100년 동안 가르쳐온 앵무새를 상상해 보십시오. 예를 들어, "지난 N일 동안 가격이 이런 식으로 행동했습니다(이러한 것에서 이런 것으로 성장했다가 하락했습니다. 그때-각별히 주의하세요 팝카가 그런 수치를 그렸습니다), 거래량은 이 정도였는데 시장은 그때그때 나오는 뉴스에 이런 저런 반응을 보였고, 이 모든 일이 그런 배경에서 일어나고 있습니다. 그리고 그러한 추세" - 그리고 언급된 백년 후 그의 앵무새 머리에서 - 어쩌면 무의식적으로 - 시장 상황의 그림이 형성되고 그 후에 어느 정도 확률로 정답을 줄 것입니다. "어제 가격이 이랬다, 어제 이랬다, 한 달 동안 이랬다"고 말하면, 그의 작은 두뇌가 많은 부담을 가졌기 때문에 그는 단순히 무엇을 잡아야 할지 모를 것입니다. 균질한 정보 흐름에서 중요한 요소를 강조 표시하는 작업. 따라서 기껏해야 그는 결정을 내릴 때 여전히 초점을 맞춰야 하는 것에 대해 막연한 생각을 하게 될 것이며, 우리가 또한 오답에 대해 머리 뒤를 너무 세게 때리면(읽기, 훈련 선생님과 함께 :) 가난한 친구는 완전히 길을 잃고 완전히 무지한 상태로 학습 과정에서 나올 것입니다.
또 다른 비유: 당신과 나는 물체를 인식하기 위해 어떻게 비전을 사용합니까? 대략적으로 말하자면, 우리는 망막에서 직접 가져온 픽셀 세트를 의식으로 분석하지 않고 분석 및 인식을 위해 기성품의 시각적 이미지를 얻습니다. 즉, 우리가 보는 것을 이해하기 위해 해당 부분 그림 자체와 함께 뇌의 정보는 이미 주의가 필요한 목록 표시를 제공합니다.
필수적인 것의 선택과 비필수적인 것의 거부는 이것이 내가 비선형 처리로 이해하는 것입니다.
이 질문에 대해 생각하는 것이 좋습니다. 90%의 경우에 정답을 제공하도록 특정 입력 신호에 대해 훈련된 신경망 이 있다고 가정해 보겠습니다(Soros는 휴식 중). 이제 낯선 사람의 손에 넘어가면 사용할 수 있을까요? 어떤 입력이 필요하고 출력을 해석하는 방법에 대한 정보는 네트워크가 아니라 작성자의 머리에 포함되어 있기 때문에 분명히 아닙니다. 따라서 네트워크가 훈련되더라도 쓸모없는 것으로 판명됩니다. 다시 한 번 반복하겠습니다. NS는 단지 도구일 뿐입니다(IMHO, 사용 가능한 다른 것보다 낫거나 나쁨이 아님). 이를 갖는 것과 사용하는 방법을 아는 것은 완전히 다른 것입니다.
나는 여전히 이 주제를 사랑합니다. :) 외환 이전에도 이 주제로 얼마나 많은 고통을 겪었는지. :)
그리고 당신의 고통은 인생의 신경망에 대한 고문의 성공적인 생성 및 적용을 통해 개인 재정 상태가 증가하는 형태로 오랫동안 기다려온 결과를 가져 왔습니까? 그러면 우리는 이 모든 것을 망칠 수 있습니다. :)
출력, 입력의 값은 무엇입니까?
신경망 훈련에 가장 잘 사용되는 교사 값은 몇 개입니까? 예를 들어, 네트워크의 반응에 4가지 가능한 조치가 있는 경우. 4개의 값을 사용하면 평균값을 평활화할 때보다 오차가 더 크다는 것을 알았습니다. 얼마가 최적인가요? 첨부 파일에서 왼쪽은 실제 출력, 오른쪽은 네트워크가 훈련된 값입니다.
그리고 당신의 고통은 인생의 신경망에 대한 고문의 성공적인 생성 및 적용을 통해 개인 재정 상태가 증가하는 형태로 오랫동안 기다려온 결과를 가져 왔습니까? 그러면 우리는 이 모든 것을 망칠 수 있습니다. :)
코호넨 네, 가끔 도움이 됩니다. BackProp - 교사가 필요합니다. 나는 가르치려고 노력했지만 결과는 마이너스였습니다. 선생님을 어디서 구해야 하는지 알아야 합니다. 내가 읽지 않은 기사 - 하나의 넌센스. 그래서 쓰레기통에 버렸습니다. 제가 틀렸을 수도 있고 여기 다른 누군가가 backprop에 대해 알려줄 것입니다. 그건 그렇고, Makarenko와 Golovko는 예를 들어 MEPhI의 신경 정보학 강의에서 흥미로운 내용을 가지고 있습니다.
선생님을 어디서 구해야 하는지 알아야 합니다.
직접 작성해보는 건 어떨까요?
직접 작성해보는 건 어떨까요?
네트워크 이탈, 즉 교사에 대한 제안이 있으면 상황에 대한 비전을 말씀해 주십시오. 나는 결과를 얻을 수 없었다. 처음에는 모든 것이 시원해 보였지만 배수가 시작되었습니다.
스크립트를 사용하여 충돌하는 입력 벡터를 찾으려고 했습니다. 주어진 편차가 있거나 다른 벡터와 완전히 일치하는 입력 벡터가 있으면 교사가 이 막대에서 말하는 것과 같습니다. 그가 정반대의 결과를 말한다면, 입력은 모순됩니다. 입구에는 칠면조 AO가 있으며 교사는 Ivanov의 졸업장의 MPP와 유사합니다. 따라서 편차가 0이 아니라 조금 더(예: 0.5) 설정되면 스크립트는 충돌하는 벡터를 많이 찾습니다. 편차가 더 커지면 더 많이 찾는 식입니다. 저것들. 각 벡터는 완전히 개별적입니다. 그렇다면 코호넨 네트워크와 마찬가지로 이 경우 벡터를 유사한 그룹으로 결합하려면 어떻게 해야 합니까 ???
대중을 위한 작은 질문입니다.
스크립트를 사용하여 충돌하는 입력 벡터를 찾으려고 했습니다. 주어진 편차가 있거나 다른 벡터와 완전히 일치하는 입력 벡터가 있으면 이 막대에서 교사가 말하는 것과 같습니다. 그가 정반대의 결과를 말한다면 입력은 모순됩니다. 입구에는 칠면조 AO가 있으며 교사는 Ivanov의 졸업장의 MPP와 유사합니다. 따라서 편차가 0이 아니라 조금 더(예: 0.5) 설정되면 스크립트는 충돌하는 벡터를 많이 찾습니다. 편차가 더 커지면 더 많이 찾는 식입니다. 저것들. 각 벡터는 완전히 개별적입니다. 그렇다면 코호넨 네트워크와 마찬가지로 이 경우 벡터를 유사한 그룹으로 결합하려면 어떻게 해야 합니까 ???
예, 각 벡터가 개별적인지 아닌지가 아닙니다. 요점은 벡터 자체가 구성되는 방식입니다. 신경망은 데이터 해석을 위한 도구일 뿐이며, 원하는 모든 것을 제공하는 "스마트 인공 지능"이 아니며 그녀가 모든 것을 스스로 이해할 것이라는 점을 이해하십시오. NS는 조건 반사 작용-> 반응의 가장 원시적인 규칙에 따라 작동합니다. 그렇기 때문에 그녀에게 AO 신호를 보여주거나 다른 지표나 일반적으로 별자리를 보여줍니다. 그녀에게는 중요하지 않습니다. 원래 신호에 유용한 정보가 포함되어 있지 않으면 네트워크는 신호에서 아무 것도 가져오지 않습니다. 그녀에게 대략 20개의 AO 판독값을 보여주었다고 생각해 보십시오. 이제 시장 상황의 다양한 변형이 그러한(또는 "거의 이와 같은" - 상관 관계 측면에서) 시퀀스의 형성으로 이어질 수 있는지 상상해 보십시오. 그 중 단 두 가지만 있습니다(제한적인 경우). 정반대의 결과를 줄 확률은 결코 무시할 수 없습니다. 더 있으면 어떻게 합니까? 그리고 일반적으로 AO 또는 AC 또는 태양 활동 그래프를 표시하면 어떻게 알 수 있습니까 ??? 따라서 소위. "모순 벡터" - 원시 데이터에서, 소위. 불일치는 실제로 네트워크 또는 네트워크가 설명하는 수학적 모델이 충분한 인수가 없기 때문에 이 상황에서 단순히 결정을 내릴 수 없다고 말합니다.
벌거벗은 가격과 AO와 같은 선형 지표에 시간을 낭비하지 마십시오. 이것은 통과된 단계이며 수많은 실험에서 적어도 수익성이 없음이 입증되었습니다. 비선형 측면을 파고 주요 구성 요소 등을 분리합니다. 네트워크는 의미 있는 데이터를 분석할 때만 성공적으로 작동합니다. 그리고 프로그래머의 머리만이 거기에 의미를 부여할 수 있습니다(하나일 필요는 없습니다. 다양한 기술 도구를 연결할 수도 있습니다).
그리고 비선형 데이터는 비단일 정렬 데이터입니까?
나는 오히려 외부 표현이 아니라 진행중인 과정의 깊은 본질을 어느 정도 반영한다고 말하고 싶습니다. 트레이더가 시작하려면 무엇이 필요합니까? 뉴스의 흐름, 가격의 흐름, 볼륨의 흐름(실제로 데이터는 이질적임)이 있습니다. 더욱이, 마지막 두 객체가 말하자면 이미 "수학화"되어 있는 경우(숫자로 표현되면 뉴스와 함께 작업이 더 복잡해짐) 첫째, 획득해야 하고 둘째, 어떻게든 형식화되어야 합니다(음, 이것은 별도의 주제, 여기에서는 최근에 지점도 이에 관한 것이었습니다).
그래서 우리의 임무는 신경망에 이 모든 것을 소화 가능한 형태로 보여주는 것입니다. 즉, "구매", "판매" 및 "sidikuri"라는 단어와 같이 매우 구체적인 문구에 특정 방식으로 반응하도록 100년 동안 가르쳐온 앵무새를 상상해 보십시오. 예를 들어, "지난 N일 동안 가격이 이런 식으로 행동했습니다(이러한 것에서 이런 것으로 성장했다가 하락했습니다. 그때-각별히 주의하세요 팝카가 그런 수치를 그렸습니다), 거래량은 이 정도였는데 시장은 그때그때 나오는 뉴스에 이런 저런 반응을 보였고, 이 모든 일이 그런 배경에서 일어나고 있습니다. 그리고 그러한 추세" - 그리고 언급된 백년 후 그의 앵무새 머리에서 - 어쩌면 무의식적으로 - 시장 상황의 그림이 형성되고 그 후에 어느 정도 확률로 정답을 줄 것입니다. "어제 가격이 이랬다, 어제 이랬다, 한 달 동안 이랬다"고 말하면, 그의 작은 두뇌가 많은 부담을 가졌기 때문에 그는 단순히 무엇을 잡아야 할지 모를 것입니다. 균질한 정보 흐름에서 중요한 요소를 강조 표시하는 작업. 따라서 기껏해야 그는 결정을 내릴 때 여전히 초점을 맞춰야 하는 것에 대해 막연한 생각을 하게 될 것이며, 우리가 또한 오답에 대해 머리 뒤를 너무 세게 때리면(읽기, 훈련 선생님과 함께 :) 가난한 친구는 완전히 길을 잃고 완전히 무지한 상태로 학습 과정에서 나올 것입니다.
또 다른 비유: 당신과 나는 물체를 인식하기 위해 어떻게 비전을 사용합니까? 대략적으로 말하자면, 우리는 망막에서 직접 가져온 픽셀 세트를 의식으로 분석하지 않고 분석 및 인식을 위해 기성품의 시각적 이미지를 얻습니다. 즉, 우리가 보는 것을 이해하기 위해 해당 부분 그림 자체와 함께 뇌의 정보는 이미 주의가 필요한 목록 표시를 제공합니다.
필수적인 것의 선택과 비필수적인 것의 거부는 이것이 내가 비선형 처리로 이해하는 것입니다.