Rede neural - página 10

 
Muitas pessoas discutem sobre a rede procurando e aprendendo regras a partir de uma variedade de regras de entrada que funcionarão com fins lucrativos......I tem outra pergunta....É possível, ou melhor, como ensinar a rede a funcionar por regras prontas? ......Vejamos o sistema de canais......Não importa como ou sob quais circunstâncias o canal é construído. Como ensinar uma rede a trabalhar dentro de um canal ou em sua descoberta?????? Mentes de redes neurais...... O que você pode sugerir sobre isso? Pegue pelo menos uma rede sem um professor.....Rekur, por exemplo. Como preparar as entradas para que a rede entenda o que é exigido dela? se ela originalmente tem um canal que muda com o tempo........
 
nikelodeon >>:
Многие рассуждают о том чтобы сеть искала и учила правила, из многообразия правил входов, которые будут работать на прибыль......У меня другой вопрос....Возможноли, вернее, как научить сеть работать по готовым правилам?......Возмём канальную систему......Неважно как и при каких обстоятельствах строится канал. Как научить сеть работать внутрь канала или на его пробитии?????? Ну нейросетевые умы......что можете предложить по этому поводу?. Взять хотябы сеть без учителя.....Рекур, например. Как подготовить входы так, чтоб сеть поняла что от неё требуеться? если изначально имееться меняющийся со временем канал........

Se temos regras prontas, para que diabos precisamos de uma rede neural?!

A pergunta é retórica, não há necessidade de resposta.

 

Ao adicionar uma entrada, na forma de um demolidor, você pode aumentar a lucratividade do sistema..... A rede calculará quais descobertas são falsas ou verdadeiras, algo como essa.......

 
nikelodeon писал(а) >>

Ao adicionar uma entrada, na forma de um demolidor, você pode aumentar a lucratividade do sistema..... A rede calculará quais avarias são falsas quais são verdadeiras, algo como essa.......

Você parece sobrestimar as capacidades das redes neurais.

Ao seu posto de 09.08.2009 21:00.

Uma rede por si só não pode procurar por nada. Ele só pode revelar algumas regularidades (ligações entre entradas e saídas; é então possível usar o "conhecimento" acumulado para calcular as saídas em uma situação na qual a rede não tenha sido diretamente treinada). Ou seja, a busca de padrões só é possível se e quando eles existem.

Agora ao seu posto de 09.08.2009 21:56.

Se você conhece as regularidades de penetração do canal (seu exemplo) - por que usar uma rede neural quando você pode implementá-las mais facilmente? As redes neurais são uma abordagem generalizada; é inútil usar uma generalizada quando um caso em particular é insanamente simples. Os MA também podem ser trazidos para o livro de regras. Tem que haver uma relação entre o comportamento do MA e as quebras de canal (e você tem que ser capaz de expressar essa relação). As redes neurais não fazem milagres por si só.

p.s. Então vou responder sua pergunta: "É possível, ou melhor, como ensinar a rede a trabalhar com regras prontas?" Sim, é possível, se você tiver compreensão da matemática usada em redes neurais. A propósito, uma rede neural recorrente não é o melhor exemplo. Tome algo mais simples (perceptron de várias camadas sem feedbacks) - é feito lá sem nenhum problema.

 
Boa tarde a todos aqui neste tópico. Eu gostaria de fazer uma pergunta às pessoas que conhecem a NS. Eu sou um perdedor total. Criei recentemente na MQL-4 uma rede de backspreading com uma camada oculta. Eu o alimento com citações delta. Eu normalizo entradas e saídas de rede de camadas usando sigmoid-0,5. Eu ensino a direção do movimento de preços até que um erro em uma amostra de teste pare de diminuir. Detectei um par de coisas desagradáveis: 1. Por algum motivo, a rede fornece apenas 2 variantes de saída. Assim, é impossível distinguir os sinais fracos dos fortes. Esta é uma peculiaridade da rede de 3 camadas? Talvez devêssemos aumentar o número de camadas? 2. O erro RMS é tanto menor quanto mais próximos estiverem os limites de saída superior e inferior um do outro. Quando os limiares são iguais, a leitura é de pelo menos 0,22. Isto é normal?
 
O que você está ensinando a ela? Se você o ensinar duas "opções de saída" - para cima e para baixo, como eu entendo, então ele as aprenderá. Se você fizer múltiplos neurônios na saída - ou seja, aumentar o número de classes - por exemplo, negócios fortes, fracos mais um apartamento, você pode obter uma previsão mais detalhada. Uma camada oculta é suficiente. Quais são os limiares? O peso do viés não é definido externamente, mas é treinado da mesma forma que os outros pesos. Se a função de ativação é sigmoidal, por que precisamos de limites? Você já tentou sem limites?
 

veja um exemplo de quais entradas são alimentadas a uma rede neural. http://www.nnea.net/research/18-neural-network-forecast-indicator



 

Não consegui encontrar nenhuma entrada lá...

 
Burgunsky писал(а) >>
Descobri um par de coisas desagradáveis: 1. A rede, por algum motivo, oferece apenas 2 opções de saída. Assim, parece impossível separar os sinais fracos dos fortes. Esta é uma peculiaridade da rede de 3 camadas? Talvez seja necessário aumentar o número de camadas? 2. O erro RMS é tanto menor quanto mais próximos estiverem os limites de saída superior e inferior um do outro. Quando os limiares são iguais, a leitura é de pelo menos 0,22. Isto é normal?

Não, esta não é uma característica das redes de 3 camadas, o sinal na saída da rede é uma função contínua. Talvez você já tenha algum tipo de classificador incorporado na saída da grade que dá o sinal final, por exemplo, se a saída da grade for maior que 0,5 então 1, menos que 0, ou se a saída da grade for maior que 0,5 então 1, menos que -1.

Sobre limites, ainda não entendo, você deve descrever em detalhes tudo o que você tem em seu algoritmo e como ele é construído, então será possível pensar nas perguntas que você fizer...

 
Swetten писал(а) >>

Não consigo encontrar nenhuma entrada lá...

Eu também não... Só podemos assumir que é o número de quadrados em que o preço caiu, talvez algumas outras condições adicionais...

Talvez a MeteQuotes não tenha visto a publicidade do descompilador.