신경망. 전문가를 위한 질문입니다. - 페이지 14

 
alsu :

올가미 , 활성화 함수에 대한 정보 포함 SOFTMAX, 여기 에서 읽을 수 있습니다(22페이지).

그리고 그녀에 대한 것뿐만이 아닙니다. 링크 주셔서 감사합니다.

비비. 페이지 한 페이지가 너무 매끄럽게 머리에 들어 와서 나 자신도 놀랐습니다.

많은 것은 TEACHER에 달려 있습니다!!! ))

 

lasso : Очень многое зависит от УЧИТЕЛЯ!!! ))



선생님을 찾을 필요가 없습니다. 이것은 막다른 길입니다.
 
LeoV :

선생님을 찾을 필요가 없습니다. 이것은 막다른 길입니다.
Leonid, 선생님에 대해 설명해 주시겠습니까? 바를 업바 아래로 인식하도록 가르치면 넌센스가 될 것 같은 느낌이 들었습니다. 아니면 이 문제가 DayTrader에서 개인적으로 멀리 떨어져 있습니까? 내 느낌에 따르면 "세그먼트 업"- "세그먼트 다운"을 배워야합니다 ...
 
jartmailru : Leonid, 선생님에 대해 설명해 주시겠습니까? 바를 업바 아래로 인식하도록 가르치면 넌센스가 될 것 같은 느낌이 들었습니다. 아니면 이 문제가 DayTrader에서 개인적으로 멀리 떨어져 있습니까? 내 느낌에 따르면 "세그먼트 업"- "세그먼트 다운"을 배워야합니다 ...

한마디로 이런 상황이다. 거래의 경우 어디에서 상승 움직임이 시작되고 어디에서 하락 움직임이 시작되는지 이해하는 것으로 충분합니다. 이 정도면 수익을 낼 수 있습니다. 비현실적이기 때문에 교사를 구하는 것은 무의미하고 필요하지도 않습니다. 수익을 내기 위해서는 포지션을 오픈 하기 위한 적시에 진입 신호를 받는 것으로 충분하기 때문입니다. 이 신호들 사이에서 네트워크는 실제로 교사와 완전히 일치하지 않는 경우까지 무엇이든 할 수 있습니다. 우리는 신경 쓰지 않습니다. 가장 중요한 것은 포지션을 여는 데 제 시간에 신호를 제공한다는 것입니다. )))
 
LeoV :

한마디로 이런 상황이다. 거래의 경우 어디에서 상승 움직임이 시작되고 어디에서 하락 움직임이 시작되는지 이해하는 것으로 충분합니다. 이 정도면 수익을 낼 수 있습니다. 비현실적이기 때문에 교사를 구하는 것은 무의미하고 필요하지도 않습니다. 수익을 내기 위해서는 공개 포지션에 적시에 진입 신호를 받는 것으로 충분하기 때문입니다. 이 신호들 사이에서 네트워크는 실제로 교사와 완전히 일치하지 않는 경우까지 무엇이든 할 수 있습니다. 우리는 신경 쓰지 않습니다. 가장 중요한 것은 포지션을 여는 데 제 시간에 신호를 제공한다는 것입니다. )))

답변 해주셔서 감사합니다. 아마도 다음과 같이 이해할 수 있습니다.

- 극점을 결정하기 위해 할 수 있는 일

- 교사는 여전히 손을 댈 필요가 있지만 결과는 실수가 아니라 이익으로 측정되어야 합니다.

- 그리드에 입력을 찾기 위한 명확한 작업을 제공할 필요가 있음 - 유지보수가 문제가 아님

(그리고 이것이 트롤 및 스톱의 주제라고 가정 해 봅시다. 실제로 교사도 트롤이 될 수 있습니다)

흠... 수익극대화 교육이 애매하네요... :-)

 

안녕하세요.

NS에 대한 질문은 답변보다 많습니다. 나는 여기 포럼과 문헌에서 모두 적절하게 읽었지만 명확한 이해

뭐하는거야, 제대로하고있어? - 내 머리에.

NS에서 "예시에서 청소년을 위한 물리학" 같은 책을 본 적이 없습니다.

따라서 실용적인 간단한 작업을 설정하는 제안이 있습니다.

그리고 존경받는 전문가의 도움을 받아 논리적인 해결책을 제시하십시오.

그러면 조건이 더 어려워집니다.

Statistica 6 패키지를 사용하는 것이 좋습니다.

===================================================== ==============

다음과 같은 훈련 데이터 세트(720쌍, 첨부)가 있습니다.

- 입력에서 {0;1} 범위로 정규화된 두 확률론의 교차점 값

- 출력은 이 신호를 처리한 결과입니다.

예를 들어:

스토캐스틱은 87.8984 --> 0.88에서 교차하고 TS는 매도를 시작하고 이익으로 마감됩니다. 설정 [0.88;1]

스토캐스틱은 33.1254 --> 0.33에서 교차했고 TS는 매수를 시작하고 손실을 봅니다. 설정 [0.33;-1]

--------------------------

질문: 선택할 신경망(유형, 활성화 함수, 계층의 뉴런 수 등)과 제안 데이터를 일반화하고 샘플을 A=1 및 B=-1의 두 클래스로 분류하도록 올바르게 훈련하는 방법 .

--------------------------

나는 클래스가 그림에서보다 훨씬 더 많이 혼합되어 있음을 즉시 알아차릴 것입니다.



하지만 여전히 구별할 수 있습니다.

교활한 선형 방법이 아닌 경우에도 나눌 수 있지만 NN이 최상의(또는 최소한 품질면에서 비교할 수 있는) 결과를 제공하도록 할 수 없습니다.

적절한 답변을 바라며 포럼의 다른 회원들에게 도움이 되기를 바랍니다!

파일:
 
lasso :

지원하다!

나는 NN에 대해 많이 읽었지만 아직 나 자신에 대해 명확하게 이해하지 못했습니다. 입력 데이터를 공식화할 수도 없습니다. 내 표시기가 다음 형식으로 신호를 제공하는 경우 NN 입력에 데이터를 제출하는 방법 {0,1,2,3} 설정 ????

 

이 세트를 사용하면 네트워크를 훈련할 수 없습니다.

입력과 출력 A 또는 B에 하나의 값이 있습니다. 그럼 어떻게 될까요? 이 세트는 어떤 정보를 전달합니까? 네트워크는 무엇을 배워야 합니까?

 
joo :

이 세트를 사용하면 네트워크를 훈련할 수 없습니다.

입력과 출력 A 또는 B에 하나의 값이 있습니다. 그럼 어떻게 될까요? 이 세트는 어떤 정보를 전달합니까? 네트워크는 무엇을 배워야 합니까?

입력 값은 직선(세그먼트)에 분포됩니다.

세그먼트 [OA]는 세그먼트 [OA] 내부에 배치된 점 B에 의해 두 부분 [OB] 및 [BA]로 나눌 수 있습니다.

신경망은 이 점을 결정하고 입력 기능을 A([OB]) 또는 B([BA])의 두 클래스 중 하나에 할당하는 방법을 배워야 합니다.