Redes neurais. Perguntas dos especialistas. - página 7
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Na entrada A,B,C,D,E,F,g,h,I, alvo - M
Função de ativação de camada oculta tanh
Três pontos de cada linha de dados, você deu três filas, um total de 3 * 3 = 9 neurônios de entrada.
Treinei todos os dados que você me deu. E me foram dados 6502 exemplos de treinamento.
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.
Tarefa:
Digamos que temos três grades/TCs. Cada um deles é testado em 10 conjuntos de dados de treinamento. A tabela mostra os valores teóricos abstratos (otimizáveis). Estaremos interessados na grade/TS que produz os menores valores da função alvo o mais freqüentemente possível. Não importa qual algoritmo de otimização (AO) vamos utilizar.
Exemplo1
Todos os AOs têm a mesma soma de erros. Vemos que, se utilizarmos o erro raiz-medoquadrado, a AO escolherá TC #3 porque ele tem o menor valor.
Se for utilizado o erro raiz-medida-quadrado, a AO escolherá TC #2, e o mesmo é verdadeiro se a mediana for utilizada.
Exemplo2
A situação aqui é mais interessante.
Por um lado, TC#1 não tem uma pontuação ruim, mas o erro de 200 estraga a imagem. O TC3 tem resultados estáveis, embora não sejam os melhores.
Mais uma vez, vemos que se utilizarmos o erro raiz-medo quadrado, o AS escolherá o TC3, pois ele tem a pontuação mais baixa.
E se usarmos o erro raiz-medo quadrado, a AO escolherá a CU #2, mas na mediana a escolha parará na CU #1.
Conclusões.
Se o objetivo do treinamento da rede é obter uma curva de forma mais semelhante à curva alvo, então deve ser utilizado o erro raiz-meios-quadrado (Tarefas de aproximação)
Se o objetivo do treinamento da rede é obter os menores/mais baixos valores da função alvo com a maior freqüência possível, você deve usar o erro de meano-raiz (problemas de classificação/classificação).
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.
A ordem em que você me deu os dados é a ordem em que o treinamento foi realizado. Se você puder usar os dados em ordem inversa, você deve obter o mesmo resultado. Este é um problema de aproximação, e não faz diferença em qual direção treinar.
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.
Salve o código em C++, dê uma olhada, não há milagres lá.
PS Eu não uso o Statistica no comércio.
Dê uma olhada no arquivo anexo.
Os valores dele são alimentados diretamente para a entrada NS ou são normalizados?
Eu entendi no fórum fxexpert.ru no tópico "Neural Network Principles of MTS Creation" que eventualmente eles chegaram a uma conclusão,
Que é necessário normalizar os valores e não tomar diretamente os valores indicadores ou citações, mas suas mudanças.
Посмотрел вложенный файл.
Значения из него непосредственно подаются на вход НС, или всетаки нормируются?
На форуме fxexpert.ru в теме" Нейросетевые принципы создания МТС" я так понял,в конечном итоге пришли к выводу,
что необходимо обязательно значения нормировать, и брать не непосредственные значения индикаторов или котировок, а их изменение.
Isto já foi discutido anteriormente neste tópico. O iniciante de topo queria trabalhar exatamente como... como ele trabalha.
Se o objetivo do treinamento da rede é obter uma curva de forma mais semelhante ao alvo, então deve ser utilizado o erro raiz-meios-quadrado (Tarefas de Aproximação)
Se o objetivo do treinamento de uma rede é obter os menores/mais baixos valores da função alvo com a maior freqüência possível, você deve usar o erro raiz-medida (tarefas de classificação/clusão)