유추 자체가 제안되었습니다. 똑똑하고 날카로운 시력을 가진 다중 뉴런이 "물체"를 응시하고 여러 가지 색상의 점을 보았습니다. 그리고 어리석은 사람이 나타났고 심지어 시각 장애인이었습니다. 그는 가능성을 넘어서 점을 보지 못했습니다. 그러나 나는 예를 들어 "청년의 초상화"의 형태로 "전체"라는 관점을 보았습니다. 자료를 공부할 때 나는 단순할수록 더 좋다는 강한 인상을 받았습니다. 그 "결핍"이 "과잉"보다 낫습니다. 더 자주(물론 합리적인 한계 내에서) 부족하면 그리드가 학습되고 초과하면 암기됩니다. 내 개인적인 경험(순전히 연구, 읽기, 연구실 작업)에 따르면 네트워크에 제출된 데이터에 패턴이 있으면 단 몇 에포크에서 단층 퍼셉트론만 학습합니다. 그리고 데이터로 긴장을 하면 최소한 12개의 레이어를 만들 수 있지만 반복을 스틱, Elman(Jordan) 레이어 두 개, Levenberg의 그라디언트를 만들 수 있습니다. 하지만 여전히 아무 것도 작동하지 않습니다. 아마도 Debugger'를 수정하겠습니다. 입력 데이터가 중요합니다. 그러나 그것들은 그 자체가 아니라 반드시 "연관된" 또는 "상대적으로" 중요합니다. 하지만 디버거가 설명하는 특수한 경우로 존재할 권리도 있습니다. 그리고 "원시" 가격은 그물에 밀어 넣을 수 있습니다. 예를 들어 근사자와 회귀자가 함께 작동합니다.
2 타임마스터. 연대. 나 자신이 지금 기억하는 것처럼 신경 주제를 파헤치기 시작했을 때 무엇을 가르칠 것인가에 대한 질문에는 문제가 없었습니다. 주된 질문은 어떻게 가르칠 것인가 하는 것이었다. 주제를 마스터 한 결과 주요 질문이 해결되었고 첫 번째 질문이 해결되었습니다. 기술에. 내가 가르치는 방법을 아는 순간, 무엇 - 나는 모른다 (나는 모른다).
여기 예가 있습니다 ... 하지만 이 예를 보여주면서 몇 가지 의구심이 있습니다. 무차별 욕을 해서 부끄럽네요... 아 글쎄요. 이것은 연구실입니다. 표준(더 이상 표준은 없음) 단층 퍼셉트론.
여기의 본질은 간단합니다. 이것은 구구단입니다)). 나는 1에서 9까지(1x9에서 9x1까지) 모든 숫자를 곱한 tsv를 수동으로 만들었습니다. 81개의 예를 얻었습니다. 16개의 예제가 별도의 파일로 이동되었습니다. 첫 번째 파일은 입력으로 그리드에 제출되고(65개의 예), 두 번째 파일은 교차 검증(16개의 예)으로 제출됩니다. 교차 검증이란 무엇입니까? 학습 과정에서 즉시 미지의 데이터에 대한 메쉬 학습 테스트입니다. 왼쪽 그래프 훈련. 오른쪽 그래프는 교차 검증입니다. 그리드가 본 적이 없는 데이터에 대한 그리드의 작업. 그리고 우리는 무엇을 봅니까? Crossvalid는 완벽합니다. 저것들. 그녀에게 알려지지 않은 작품의 그리드는 정확히 정답을 찾았습니다. 즉, 그리드에 LEARNED가 있습니다. 저것. 첫 번째 결론은 그리드가 학습 중이라는 것입니다. 두 번째 결론은 그리드가 아직 학습 중이기 때문에 그리드가 학습하지 않으면 문제가 그리드에 전혀 없다는 것입니다. 아아...
렉서스, 질문이 있습니다. 신경망에 대해 더 배우고 싶습니다... 어디서부터 시작해야 할까요? 어떤 책, 공부할 프로그램은? 물론 Google...et에 보내지 마세요. 사이트에서 조언합니다 이봐, 총구 랩터들... 이건 광고가 아니야, 젠장... 난 필요해... 난 정말 필요해... 도와주세요.
나는 vaapsche 망상을 표현할 수 있습니다.
신경망이 인간의 두뇌보다 훨씬 더 멍청하다는 사실에 대해 논쟁하지 않으실 거라고 생각합니다.
따라서 거래에서 사용하면 전체 그림이 크게 단순화됩니다.
임호...
나는 vaapsche 망상을 표현할 수 있습니다.
신경망이 인간의 두뇌보다 훨씬 더 멍청하다는 사실에 대해 논쟁하지 않으실 거라고 생각합니다.
따라서 거래에서 사용하면 전체 그림이 크게 단순화됩니다.
임호...
왜 이 신경망에 집착하는가? 외환 또는 신경 중 무엇이 필요합니까? :)
"전체적으로 그림을 단순화"한다는 것은 무엇을 의미합니까?
뇌로 분석하면 더 많은 뉴런이 관련됩니다. 연상, 기억, 동기 부여, 시각적 지각, 이 모든 것이 신경망보다 훨씬 더 복잡합니다. 이것이 내가 "전체적인 그림"이라는 개념에 넣은 것입니다.
이러한 작업 중 일부가 신경망에 의해 수행될 수 있다면 시스템 전체가 더 단순해지며, 이는 귀하의 의견으로는 더 좋습니다.
신경망에 대한 포럼 스레드.
나는 사이클을 타지 않았지만 사용할 전망이 있다고 생각합니다.
전리품을 병합할 이유가 없습니다. 순전히 "생각합니다". 기술 분석 및 mataparat에서 지원을 찾고 싶습니다. 간단히 말해서 "빨대를 놓으십시오."
이 스레드 3번째 게시물의 탭 24를 참조하세요.
뇌로 분석하면 더 많은 뉴런이 관련됩니다. 연상, 기억, 동기 부여, 시각적 지각, 이 모든 것이 신경망보다 훨씬 더 복잡합니다. 이것이 내가 "전체적인 그림"이라는 개념에 넣은 것입니다.
이러한 작업 중 일부가 신경망에 의해 수행될 수 있다면 시스템 전체가 더 단순해지며, 이는 귀하의 의견으로는 더 좋습니다.
뇌보다 뉴런이 적은 인공 신경망을 사용할 때 외환 시장이나 일부 금융 시계열이 어떻게 단순화되거나 더 좋아질 수 있는지 명확하지 않습니까? 뇌와 신경망 사이에 행동이 어떻게 공유됩니까?
나는 신경망에 대한 모든 진술을 요약합니다. 나는 neurofintiflus의 모든 연인에게 말할 수 있습니다.
이러한 악명 높은 네트워크보다 간단하고 덜 효과적인 알고리즘이 있습니다.
뇌보다 뉴런이 적은 인공 신경망을 사용할 때 외환 시장이나 일부 금융 시계열이 어떻게 단순화되거나 더 좋아질 수 있는지 명확하지 않습니까?
유추 자체가 제안되었습니다. 똑똑하고 날카로운 시력을 가진 다중 뉴런이 "물체"를 응시하고 여러 가지 색상의 점을 보았습니다. 그리고 어리석은 사람이 나타났고 심지어 시각 장애인이었습니다. 그는 가능성을 넘어서 점을 보지 못했습니다. 그러나 나는 예를 들어 "청년의 초상화"의 형태로 "전체"라는 관점을 보았습니다. 자료를 공부할 때 나는 단순할수록 더 좋다는 강한 인상을 받았습니다. 그 "결핍"이 "과잉"보다 낫습니다. 더 자주(물론 합리적인 한계 내에서) 부족하면 그리드가 학습되고 초과하면 암기됩니다. 내 개인적인 경험(순전히 연구, 읽기, 연구실 작업)에 따르면 네트워크에 제출된 데이터에 패턴이 있으면 단 몇 에포크에서 단층 퍼셉트론만 학습합니다. 그리고 데이터로 긴장을 하면 최소한 12개의 레이어를 만들 수 있지만 반복을 스틱, Elman(Jordan) 레이어 두 개, Levenberg의 그라디언트를 만들 수 있습니다. 하지만 여전히 아무 것도 작동하지 않습니다. 아마도 Debugger'를 수정하겠습니다. 입력 데이터가 중요합니다. 그러나 그것들은 그 자체가 아니라 반드시 "연관된" 또는 "상대적으로" 중요합니다. 하지만 디버거가 설명하는 특수한 경우로 존재할 권리도 있습니다. 그리고 "원시" 가격은 그물에 밀어 넣을 수 있습니다. 예를 들어 근사자와 회귀자가 함께 작동합니다.
2 타임마스터. 연대. 나 자신이 지금 기억하는 것처럼 신경 주제를 파헤치기 시작했을 때 무엇을 가르칠 것인가에 대한 질문에는 문제가 없었습니다. 주된 질문은 어떻게 가르칠 것인가 하는 것이었다. 주제를 마스터 한 결과 주요 질문이 해결되었고 첫 번째 질문이 해결되었습니다. 기술에. 내가 가르치는 방법을 아는 순간, 무엇 - 나는 모른다 (나는 모른다).
여기 예가 있습니다 ... 하지만 이 예를 보여주면서 몇 가지 의구심이 있습니다. 무차별 욕을 해서 부끄럽네요... 아 글쎄요. 이것은 연구실입니다. 표준(더 이상 표준은 없음) 단층 퍼셉트론.
여기의 본질은 간단합니다. 이것은 구구단입니다)). 나는 1에서 9까지(1x9에서 9x1까지) 모든 숫자를 곱한 tsv를 수동으로 만들었습니다. 81개의 예를 얻었습니다. 16개의 예제가 별도의 파일로 이동되었습니다. 첫 번째 파일은 입력으로 그리드에 제출되고(65개의 예), 두 번째 파일은 교차 검증(16개의 예)으로 제출됩니다. 교차 검증이란 무엇입니까? 학습 과정에서 즉시 미지의 데이터에 대한 메쉬 학습 테스트입니다. 왼쪽 그래프 훈련. 오른쪽 그래프는 교차 검증입니다. 그리드가 본 적이 없는 데이터에 대한 그리드의 작업. 그리고 우리는 무엇을 봅니까? Crossvalid는 완벽합니다. 저것들. 그녀에게 알려지지 않은 작품의 그리드는 정확히 정답을 찾았습니다. 즉, 그리드에 LEARNED가 있습니다. 저것. 첫 번째 결론은 그리드가 학습 중이라는 것입니다. 두 번째 결론은 그리드가 아직 학습 중이기 때문에 그리드가 학습하지 않으면 문제가 그리드에 전혀 없다는 것입니다. 아아...