joo>> : Хорошо, чуть позже (часа через 2-3), попробую обоснованно показать, каким образом профит (или что то другое, не важно, что мы хотим получить от сети) зависит от фитнес функции. А гарантию того, что мы получим профит в будующем, конечно, никто дать никогда не сможет. А вот к чему стремится должна сетка, пожалуй, мы должны определять для неё однозначно.
일:
3개의 그리드/TC가 있다고 가정해 보겠습니다. 각각은 10개의 훈련 데이터 세트에서 테스트됩니다. 표는 추상적인 목표 값(최적화)을 보여줍니다. 우리는 가능한 한 자주 목적 함수의 가장 작은 값을 생성하는 네트워크 / TS에 관심을 가질 것입니다. 우리가 사용할 최적화 알고리즘(AO)은 중요하지 않습니다.
예 1
모든 차량에는 동일한 양의 오류가 있습니다. Root-mean-square error를 사용하면 AO는 이 지표가 가장 작기 때문에 TS No. 3을 선택합니다.
평균 루트 오류를 사용하는 경우 AO는 이미 TS 2번을 선택하고 중앙값을 사용하는 경우입니다.
예2
여기 상황이 더 흥미롭습니다.
한편, TS#1의 성능은 나쁘지 않지만 오류 200은 그림을 망칩니다.TS#3은 최고는 아니지만 안정적인 결과를 보입니다.
그리고 다시 평균 제곱근 오차를 사용하면 AO는 이 지표가 가장 작기 때문에 TS 3번을 선택한다는 것을 알 수 있습니다.
평균 루트 오차를 사용하면 AO는 이미 TS 2번을 선택하지만 중앙값에 따르면 선택은 TS 1번에서 멈춥니다.
결과.
네트워크 훈련의 목표가 대상과 모양이 가장 유사한 곡선을 얻는 것이라면 제곱 평균 제곱근 오차(Problems of Approximation)를 사용해야 합니다.
네트워크 훈련의 목표가 가능한 한 자주 목적 함수의 최소/최대 값을 생성하는 것이라면 평균 근 오차(분류/클러스터링 문제)를 사용해야 합니다.
나는 보았고, 이제 왜 당신이 6번째 기호를 가지고 있는지 이해합니다. 미래에서 데이터를 가져왔습니다) 실생활에 존재하지 않는 최대 2개의 점) 사실, 귀하의 네트워크는 열 A2 및 A3))을 알고 열 M1을 예측했습니다)) 따라서 정확도가 증가합니다. 비록 그들이 미래에서 온 데이터를 주었지만(솔직히 신랄한 힌트와 같이) 정확도가 2-005에서 7-006으로 증가했습니다))) 재미있습니다.
mrstock>> : Посмотрел, теперь понял почему у Вас 6-ой знак. Вы брали данные из будущего) целых 2 точки, которых в реале не существует) Фактически ваша сеть делала прогноз столбца М1 зная столбы А2 и А3))) Отсюда и рост точности. Хотя заметьте, дали данные из будушего (такая некислая подсказка прямо скажем), а точность выросла с 2-005 до 7-006)))) Забавно.
데이터를 주신 순서대로 교육을 진행했습니다. 데이터를 역순으로 대체할 수 있습니다. 결과는 동일해야 합니다. 이것은 근사 문제이며, 어떤 방향으로 학습해도 차이가 없습니다.
추적 중입니다. 통계에서 탄젠트를 사용하는 것은 전혀 권장하지 않습니다. 이 사람들은 놀라운 일을 합니다. 그들은 한때 소름 끼치는 정확도로 25 바 앞서 나에 대한 가격을 예측했습니다. 처음에는 한참 오류를 찾아 헤매다가 이 장인들이 어리석게 결과를 조정했다는 것을 깨달았지만 매우 아름다웠다)))) 나는 아이덴티티만을 사용하며, 내가 설정하고 수행하는 작업을 가장 정확하게 설명합니다 역사에 적응하는 데 어려움을 겪지 마십시오.
mrstock>> : В догонку. Не рекомендую вообще использовать тангенсы в статистике. Эти ребята творят чудеса. Они мне как то раз спрогнозировали цену на 25 баров вперед с апупительной точностью. Я сначала долго искал ошибку, а потом понял, что эти умельцы, тупо подогнали результат, но было чень красиво)))) Я использую только identity он наиболее точно описывают те кзадачи, которые я ставлю и не страдают подгонкой на истории.
입력 A,B,C,D,E,F,g,h,I, target - M
tanh 은닉층 활성화 함수
각 데이터 시리즈에서 3개의 포인트를 사용하여 총 3*3=9 입력 뉴런에 대해 3개의 시리즈를 제공했습니다.
귀하가 제공한 모든 데이터에 대해 교육을 받았습니다. 그리고 6502개의 훈련 사례가 주어졌다.
Хорошо, чуть позже (часа через 2-3), попробую обоснованно показать, каким образом профит (или что то другое, не важно, что мы хотим получить от сети) зависит от фитнес функции. А гарантию того, что мы получим профит в будующем, конечно, никто дать никогда не сможет. А вот к чему стремится должна сетка, пожалуй, мы должны определять для неё однозначно.
일:
3개의 그리드/TC가 있다고 가정해 보겠습니다. 각각은 10개의 훈련 데이터 세트에서 테스트됩니다. 표는 추상적인 목표 값(최적화)을 보여줍니다. 우리는 가능한 한 자주 목적 함수의 가장 작은 값을 생성하는 네트워크 / TS에 관심을 가질 것입니다. 우리가 사용할 최적화 알고리즘(AO)은 중요하지 않습니다.
예 1
모든 차량에는 동일한 양의 오류가 있습니다. Root-mean-square error를 사용하면 AO는 이 지표가 가장 작기 때문에 TS No. 3을 선택합니다.
평균 루트 오류를 사용하는 경우 AO는 이미 TS 2번을 선택하고 중앙값을 사용하는 경우입니다.
예2
여기 상황이 더 흥미롭습니다.
한편, TS#1의 성능은 나쁘지 않지만 오류 200은 그림을 망칩니다.TS#3은 최고는 아니지만 안정적인 결과를 보입니다.
그리고 다시 평균 제곱근 오차를 사용하면 AO는 이 지표가 가장 작기 때문에 TS 3번을 선택한다는 것을 알 수 있습니다.
평균 루트 오차를 사용하면 AO는 이미 TS 2번을 선택하지만 중앙값에 따르면 선택은 TS 1번에서 멈춥니다.
결과.
네트워크 훈련의 목표가 대상과 모양이 가장 유사한 곡선을 얻는 것이라면 제곱 평균 제곱근 오차(Problems of Approximation)를 사용해야 합니다.
네트워크 훈련의 목표가 가능한 한 자주 목적 함수의 최소/최대 값을 생성하는 것이라면 평균 근 오차(분류/클러스터링 문제)를 사용해야 합니다.
Посмотрел, теперь понял почему у Вас 6-ой знак. Вы брали данные из будущего) целых 2 точки, которых в реале не существует) Фактически ваша сеть делала прогноз столбца М1 зная столбы А2 и А3))) Отсюда и рост точности. Хотя заметьте, дали данные из будушего (такая некислая подсказка прямо скажем), а точность выросла с 2-005 до 7-006)))) Забавно.
데이터를 주신 순서대로 교육을 진행했습니다. 데이터를 역순으로 대체할 수 있습니다. 결과는 동일해야 합니다. 이것은 근사 문제이며, 어떤 방향으로 학습해도 차이가 없습니다.
В догонку. Не рекомендую вообще использовать тангенсы в статистике. Эти ребята творят чудеса. Они мне как то раз спрогнозировали цену на 25 баров вперед с апупительной точностью. Я сначала долго искал ошибку, а потом понял, что эти умельцы, тупо подогнали результат, но было чень красиво)))) Я использую только identity он наиболее точно описывают те кзадачи, которые я ставлю и не страдают подгонкой на истории.
코드를 C++로 저장하세요. 보세요. 거기에는 기적이 없습니다.
추신: 저는 거래에서 Statistica를 사용하지 않습니다.
첨부파일 잘봤습니다.
그 값은 직접 국회 입력으로 전달되는 것인가, 아니면 결국 정규화되는 것인가?
fxexpert.ru 포럼에서 "MTS 생성을 위한 신경망 원리"라는 주제 로 내가 이해 한 대로 결국 결론에 도달했습니다.
값을 정규화하고 지표 또는 따옴표의 직접적인 값이 아니라 변경 사항을 취하는 것이 필요합니다.
첨부파일 잘봤습니다.
그 값은 직접 국회 입력으로 전달되는 것인가, 아니면 결국 정규화되는 것인가?
fxexpert.ru 포럼에서 "MTS 생성을 위한 신경망 원리"라는 주제 로 내가 이해 한 대로 결국 결론에 도달했습니다.
값을 정규화하고 지표 또는 따옴표의 직접적인 값이 아니라 변경 사항을 취하는 것이 필요합니다.
이것은 이 스레드에서 이전에 논의되었습니다. Topicstarter는 정확히 작동하는 방식으로 작동하기를 원했습니다.
네트워크 훈련의 목표가 목표와 모양이 가장 유사한 곡선을 얻는 것이라면 제곱 평균 제곱근 오차(Problems of Approximation)를 사용해야 합니다.
네트워크 훈련의 목표가 가능한 한 자주 목적 함수의 최소/최대 값을 생성하는 것이라면 평균 근 오차(분류/클러스터링 문제)를 사용해야 합니다.