A TROCA DE IDÉIAS - página 10

 

Victor, você já lidou com os mapas Kohonen? Ainda não encontrei nenhum "peixe" compreensível para NS multicamadas. Eu gostaria de sentir algo concreto, mesmo que não funcione bem para avaliação. Novamente - treinamento de grade, quantos parâmetros o computador pode manter? Embora entrando nestas "rubricas" ..., há o perigo de ficar preso lá. Em princípio, podemos otimizá-lo limitando os parâmetros com o mesmo conjunto de indicadores.

 
FION:

Victor, você já lidou com os mapas Kohonen? Ainda não encontrei nenhum "peixe" compreensível para NS multicamadas. Eu gostaria de sentir algo concreto, mesmo que não funcione bem para avaliação. Novamente - treinamento de grade, quantos parâmetros o computador pode manter? Embora entrando nestas "rubricas" ..., há o perigo de ficar preso lá. Basicamente, é possível otimizar, limitando os parâmetros usando o mesmo conjunto de indicadores.


O concurso utiliza uma camada de Kohonen de 250 neurônios. Temos que fazer cerca de 1500 delas. Serão necessárias cerca de 100 horas de máquina para treinar a neurônica, talvez mais. Talvez até mais rápido, se o algoritmo de treinamento for diferente (mais rápido). Para 250 neurônios, isso leva em torno de 10 horas. Mas o problema começa com o treinamento não da malha, mas de seu Consultor Especialista. Aqui está o problema. Levei três semanas para treinar meu Consultor Especialista, mas para colocá-lo de forma grosseira. Na verdade, algo estava mudando o tempo todo. Tempo líquido - oito a dez horas. Se eu tiver 1500 neurônios, levarei cerca de 80-120 horas de máquina para treinar o Expert Advisor. Mas é apenas para uma moeda. E precisamos fazer o maior número possível deles. Meus recursos não são suficientes para isso. Mesmo se eu trocar de computador.

Recomendo a leitura de Neurocomputer Science: Theory and Practice de F. Wasserman. Está muito bem escrito. Se você precisar, eu o enviarei por e-mail. Posso enviar-lhe não só este, mas também outros livros.

 
FION:

Victor, você já lidou com os mapas Kohonen? Ainda não encontrei nenhum "peixe" compreensível para NS multicamadas. Eu gostaria de sentir algo concreto, mesmo que não funcione bem para avaliação. Novamente - treinamento de grade, quantos parâmetros o computador pode manter? Embora entrando nestas "rubricas" ..., há o perigo de ficar preso lá. Basicamente, podemos otimizar a grade limitando os parâmetros usando o mesmo conjunto de indicadores.


Em algum lugar aqui (no fórum) postei um conselheiro Não kohonen mas redes multicamadas

Parece funcionar como um peixe

 
maveric:
FION:

Victor, você já lidou com os mapas Kohonen? Ainda não encontrei nenhum "peixe" compreensível para NS multicamadas. Eu gostaria de sentir algo concreto, mesmo que não funcione bem para avaliação. Novamente - treinamento de grade, quantos parâmetros o computador pode manter? Embora entrando nestas "rubricas" ..., há o perigo de ficar preso lá. Basicamente, podemos otimizar a grade limitando os parâmetros usando o mesmo conjunto de indicadores.


Em algum lugar aqui (no fórum) postei um conselheiro Não kohonen, mas as redes estão estratificadas

Servirá como um peixe.


Você pode ser mais específico? Aparentemente, isso já passou por mim.
 
Vinin:
FION:

Victor, você já lidou com os mapas Kohonen? Ainda não encontrei nenhum "peixe" compreensível para NS multicamadas. Eu gostaria de sentir algo concreto, mesmo que não funcione bem para avaliação. Novamente - treinamento de grade, quantos parâmetros o computador pode manter? Embora entrando nestas "rubricas" ..., há o perigo de ficar preso lá. Basicamente, é possível otimizar, limitando os parâmetros usando o mesmo conjunto de indicadores.


A camada Kohonen de 250 neurônios é utilizada no concurso. Devemos fazer cerca de 1500. Serão necessárias cerca de 100 horas de máquina para treinar a neurônica, talvez mais. Talvez até mais rápido, se o algoritmo de treinamento for diferente (mais rápido). Para 250 neurônios, isso leva em torno de 10 horas. Mas o problema começa com o treinamento não da malha, mas de seu Conselheiro Especialista. Aqui está o problema. Levei três semanas para treinar meu Consultor Especialista, mas para colocá-lo de forma grosseira. Na verdade, algo estava mudando o tempo todo. Tempo líquido - oito a dez horas. Se eu tiver 1500 neurônios, levarei cerca de 80-120 horas de máquina para treinar o Expert Advisor. Mas é apenas para uma moeda. E precisamos fazer o maior número possível deles. Meus recursos não são suficientes para isso. Mesmo se eu trocar de computador.

Recomendo a leitura de Neurocomputer Science: Theory and Practice de F. Wasserman. Está muito bem escrito. Se você precisar, eu o enviarei por e-mail. Posso enviar-lhe não apenas este, mas também outros livros.

Obrigado, Victor. Acho que será útil revisá-lo. Meu endereço eletrônico é fxfion(dog)mail(dot). ru.

Meu código tem algumas implicações, ou seja, recebo alguns valores para os indicadores, mas não entendo a estrutura em geral, estraguei as arrays.

 
FION:
Vinin:
FION:

Victor, você já lidou com os mapas Kohonen? Ainda não encontrei nenhum "peixe" compreensível para NS multicamadas. Eu gostaria de sentir algo concreto, mesmo que não funcione bem para avaliação. Novamente - treinamento de grade, quantos parâmetros o computador pode manter? Embora entrando nestas "rubricas" ..., há o perigo de ficar preso lá. Basicamente, podemos otimizar, limitando os parâmetros usando o mesmo conjunto de indicadores.


A camada Kohonen de 250 neurônios é utilizada no concurso. Temos que chegar a cerca de 1500. Serão necessárias pelo menos 100 horas de máquina para treinar os neurônios, talvez mais. Talvez até mais rápido, se o algoritmo de treinamento for diferente (mais rápido). Para 250 neurônios, isso leva em torno de 10 horas. Mas o problema começa com o treinamento não da malha, mas de seu Conselheiro Especialista. Aqui está o problema. Levei três semanas para treinar meu Consultor Especialista, mas para colocá-lo de forma grosseira. Na verdade, algo estava mudando o tempo todo. Tempo líquido - oito a dez horas. Se eu tiver 1500 neurônios, levarei cerca de 80-120 horas de máquina para treinar o Expert Advisor. Mas é apenas para uma moeda. E precisamos fazer o maior número possível deles. Meus recursos não são suficientes para isso. Mesmo se eu trocar de computador.

Recomendo a leitura de Neurocomputer Science: Theory and Practice de F. Wasserman. Está muito bem escrito. Se você precisar, eu o enviarei por e-mail. Posso enviar-lhe não apenas este, mas também outros livros.

Obrigado, Victor. Acho que será útil revisá-lo. Meu e-mail é fxfion(dog)mail(dot). ru.

Meu código tem algumas implicações, ou seja, recebo algumas informações sobre a normalização dos dados indicadores, mas não entendo a estrutura em geral, eu estraguei as arrays.

Eu o enviei para você. Há muito mais coisas interessantes. Talvez eu dê uma olhada nos desenvolvimentos da klota sobre a aranha. Embora eu não goste de todos eles. E com relação às matrizes - todos os neurônios são matrizes e nada mais. Simplesmente importa o que fazemos com estas matrizes.

Sobre os mapas Kohonen. Eu não os uso, eles são necessários, eu acho, apenas para visualização - e isso deve ser feito em um software adequado. E a camada Kohonen resolve o mesmo problema.

 

Conheci os NS no geral e percebi que nem sempre negociamos com sucesso com nossos cérebros, e seria difícil treinar um "cérebro artificial". Até agora, pelo menos eu não ouvi nenhum entusiasmo sobre o uso de NS, talvez o mercado seja muito difícil para eles?

 
FION:

Se você não sabe a diferença entre o mercado e o real, então você não sabe como usar o cérebro artificial. Até agora, pelo menos eu não ouvi nenhum entusiasmo sobre o uso de NS, talvez o mercado seja muito difícil para eles?


Na verdade, não. Não se trata de cérebros. É sobre a declaração do problema. Nem todos os problemas podem ser resolvidos por uma rede neural. Mas muitos problemas podem ser resolvidos. Como o reconhecimento de padrões, a compressão de informações. Há uma série de outras tarefas que ele trata com sucesso. No início, tentei prever o Alto e o Amor do dia seguinte. Para valores abaixo da média, a precisão foi de cerca de 80%, se maior - 5%. O Forex não se enquadra na lei de distribuição normal. Tenho que converter valores de antemão. Mas o resultado não pode exceder o valor máximo da grade. Embora muitas pessoas tenham seguido este caminho, como eu notei. Mas o Sr. Reshetov "ajudou" muito com o neurônio. Eu mesmo caí nessa e passei três meses antes do concurso por suas soluções. Embora isso me tenha ajudado de alguma forma. Criei um mecanismo para treinar meu Expert Advisor com a neurônica. Não quero dizer que seja perfeito. Mas isso me ajudou muito. E graças a Kandid, por seu artigo em resposta à minha pergunta.
 
Vinin:

Recomendo a leitura de F. Wasserman Neurocomputing: Theory and Practice. Está muito bem escrito. Posso enviá-lo por e-mail se você precisar dele. Eu posso fazer outros livros, e não apenas este.


Se não for difícil, preciso fazer isso também. Meu endereço está no meu perfil.

Recentemente cheguei à conclusão de que, sem NS, meu sistema não pode ser ensinado a negociar corretamente. Como tenho visto, sou um mau professor. :-) Tenho uma idéia, que precisa de um agrupamento adequado de dados, com o qual meu sistema funciona. Bem, tanto quanto sei, eles podem ser agrupados usando uma rede Kohonen. Mas minhas primeiras tentativas de superar tudo isso ainda não levaram a nenhum resultado. Eu sei muito pouco sobre isso. Preciso ler algo bom que combine tanto as idéias claramente expostas quanto os bons exemplos de uso prático.

Eu li todo o fio de tecido na NS, mas não é o meu nível. Preciso preencher as lacunas urgentemente.

 
Em questões de redes neurais, se for uma rede unidirecional, é importante escolher os dados de entrada corretos. Não é uma boa solução simplesmente colocar uma série de preços dentro dela. Também é importante entender o que precisamos da NS. Estou interessado na seguinte variante: distância de entrada para os níveis de suporte mais próximos e algo mais. Por favor, considere isto como apenas um exemplo. Eu pessoalmente uso o NeuroSolutions 5 para tais experimentos.