Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1747

 
Mihail Marchukajtes:
Mas que raio é isto?

O que foi aquilo tudo?) Ainda bem que o trouxeram de volta))))

 
Não tenho como entender o princípio matemático da NS.

O que eu entendo:

1. uma amostra de treinamento - blocos isolados de dados contendo representações modificadas de uma invariante semântica.

2. Estrutura de NS - montagem de camadas sucessivas de "neurônios", onde a primeira camada aceita dados (e tem o número necessário de neurônios para isso), e outras camadas são destinadas à generalização dos dados processados na primeira camada e trazê-los para o invariante, operado por uma lógica clara do programa.

3. "Neurônio" - uma função que pega sequencialmente um fragmento de dados da amostra de treinamento, transforma esse fragmento em "peso" e o passa para a camada seguinte.

Não está claro para mim como os dados invariantes não óbvios são matematicamente limpos da "casca" através de várias camadas de filtragem, corrigindo não os dados em si, mas o seu "peso".
 
Reg Konow:
Estou a ter dificuldade em compreender o princípio matemático da NS.

O que eu entendo:

1. Amostragem de aprendizagem - blocos isolados de dados contendo representações modificadas de uma invariante semântica.

2. A estrutura de NS é um conjunto de camadas sucessivas de "neurônios", onde a primeira camada aceita dados (e tem o número necessário de neurônios para isso), e outras camadas são destinadas à generalização dos dados processados na primeira camada e trazê-los para o invariante, operado por uma lógica clara do programa.

3. "Neurônio" é uma função, que recebe sequencialmente um fragmento de dados da amostra de treinamento, transforma esse fragmento em "peso" e o passa para a camada seguinte.

Não está claro para mim como os dados invariantes não óbvios são matematicamente limpos da "casca" através de várias camadas de filtragem, corrigindo não os dados em si, mas os seus "pesos".

Procurando a colina mais alta nas nuvens, a altitude não é visível atrás das nuvens. A baixa freqüência encontra o início das elevações e o levantamento perto delas, onde não há elevações não levantadas. É possível fazer o levantamento do início do terreno elevado e não levantar pequenas áreas. Uma espécie de amostragem inteligente. Mas em qualquer caso, é um algoritmo. Em qualquer caso, a força bruta total com uma probabilidade muito pequena não perderá para diferentes variantes, com qualquer lógica de busca, através e através, em ambas as extremidades para começar, a probabilidade de encontrar uma busca mais rápida com a lógica do buscado é maior do que na sequência total.

 
Reg Konow:
Não estou a compreender o princípio matemático da NS.

Você não está tentando entender - você está tentando inventar.

Para compreender os fundamentos matemáticos da NS você deve ler Kolmogorov - Arnold - Teoria Hecht-Nielson.

 
Aleksey Nikolayev:

Você não está tentando entender - você está tentando inventar.

Para compreender os fundamentos matemáticos da NS você deve ler a teoria Kolmogorov - Arnold - Hecht-Nielson.

Raramente é explicado claramente. E poucas pessoas são capazes de o entender a partir de fórmulas)))))

 
Aleksey Nikolayev:

Não estás a tentar perceber, estás a tentar inventar...

Em certa medida, isto é necessário. Você só pode realmente entender algo que foi criado por si mesmo. Estou a tentar reproduzir a ideia original do conceito NS.
 

através da retropropagação de erro de definição invariável e busca de um extremo local ou global da função neuronal por métodos de otimização Newtonianos ou quase-Newtonianos, ajustando diferentes passos de gradiente

Isto é mais compreensível para o Peter.

 
Valeriy Yastremskiy:

Procure a colina mais alta nas nuvens, sem elevação visível atrás das nuvens. A baixa frequência encontra o início da elevação e do levantamento perto deles, onde não há elevações não levantadas. É possível fazer o levantamento do início do terreno elevado e não levantar pequenas áreas. Uma espécie de amostragem inteligente. Mas em qualquer caso, é um algoritmo. Em qualquer caso, a busca completa com uma probabilidade muito pequena não perderá para diferentes variantes, com qualquer lógica de busca, através e através, em ambas as extremidades para começar, a probabilidade de encontrar uma busca mais rápida na busca com a lógica do desejado é maior do que na sequência completa.

ahahah)))

 
Valeriy Yastremskiy:

Procure a colina mais alta nas nuvens, sem elevação visível atrás das nuvens. A baixa frequência encontra o início da elevação e do levantamento perto deles, onde não há elevações não levantadas. É possível fazer o levantamento do início de terreno elevado e não levantar pequenas áreas. Uma espécie de amostragem inteligente. Mas em qualquer caso, é um algoritmo. Em qualquer caso, a busca completa com uma probabilidade muito pequena não perderá opções diferentes, com qualquer lógica de busca, através e através, em ambas as extremidades para iniciar, a probabilidade de encontrar uma busca mais rápida na busca com a lógica do desejado maior do que em uma seqüência completa.

Esta explicação é mais adequada para a GA, penso eu)).
 
Maxim Dmitrievsky:

através da retropropagação de erro de definição invariável e busca de um extremo local ou global da função neuronal por métodos de otimização Newtonianos ou quase-Newtonianos, ajustando diferentes passos de gradiente

Isto será mais claro para Piotr

Então, o trabalho da NS está ligado à Optimização de uma forma ou de outra?