Redes neurais. Perguntas dos especialistas. - página 13

 
joo:

Digite um terceiro tipo de sinal. Sinais totais:

0 ou 1 ou 2

Certo. Isto não é um problema. Mas como a PNN irá lidar com este valor?

Porque o intervalo [0;1] - identifica possíveis valores de probabilidade, e como 2 se encaixam aqui? Eu não consigo entender...

 
lasso:

Certo. Isso não é um problema. Mas como a PNN irá lidar com este valor?

Afinal de contas, o intervalo [0;1] identifica possíveis valores de probabilidade, e como 2 se encaixam aqui? Eu não consigo entender...

Eu não consigo, qual é o problema? Use sigmoid no alcance [-1;1], 0 corresponderá a nenhum sinal. E depois há 3 tipos de sinal "limpo".
 
joo:
Eu não consigo, qual é o problema? Use sigmoid na faixa [-1;1], 0 corresponderá a nenhum sinal. E depois há 3 tipos de sinal "limpo".

Também considerei esta opção, mas nesse caso 0 está no meio do intervalo, ou seja, corresponde a uma probabilidade de 0,5

Ah, a probabilidade de ocorrência de um evento igual a 0,5 e nenhuma informação sobre a ocorrência do evento, eu acho que são coisas bem diferentes. É aqui que reside o problema (

 

Então você tem que ter três tipos de eventos. Cada um tem um alcance de [0;1] (ou o que for mais conveniente), e considere a probabilidade de cada evento.

Direi imediatamente - esta é uma direção sem saída. É impossível descrever a probabilidade deste ou daquele evento e ainda ensinar à rede esta probabilidade. Suponha que uma rede dê uma probabilidade de saída de um evento de 90%. Então e se o evento não ocorrer? Então a rede está errada, mas por que deveria estar errada se ainda há 10% de probabilidade? Você simplesmente não pode fornecer um conjunto de treinamento adequado, isso é tudo.

 

Sim, obrigado, isso soa muito bem. Vou ter que pensar sobre isso.

 
joo:

Então você tem que ter três tipos de eventos. Cada um tem um intervalo de [0;1] (ou outro, o que for mais conveniente), e considere a probabilidade de cada evento.

Deixe-me dizer imediatamente - este é um beco sem saída. É impossível descrever a probabilidade de um evento e ainda ensinar à rede essa probabilidade. Suponha que uma rede tenha uma probabilidade de 90% de um evento. Então e se o evento não ocorrer? Então a rede está errada, mas por que deveria estar errada se ainda há 10% de probabilidade? Você simplesmente não pode fornecer um conjunto de treinamento adequado, isso é tudo.

Em problemas de classificação na camada de saída é melhor usar SOFTMAX ao invés de sigmóide como função de ativação. Neste caso, cada neurônio de saída corresponde a alguma classe, e suas saídas dão a probabilidade de ser membro da classe correspondente. A soma das saídas por camada é igual a 1, como deveria ser.

lasso, você pode ler sobre as funções de ativação, incluindo SOFTMAX, aqui, página 22

 
joo:

Deixe-me dizer imediatamente - esta é uma direção bloqueada. É impossível descrever a probabilidade de um ou outro evento e ainda ensinar à rede essa probabilidade. Digamos que a rede tem uma probabilidade de 90% de um evento. Então e se o evento não ocorrer? Então a rede está errada, mas por que deveria estar errada se ainda há 10% de probabilidade? Você simplesmente não pode fornecer um conjunto de treinamento adequado, isso é tudo.

Direção sem saída - o quê? Para usar NS probabilístico no comércio ou minha descrição deste kit de treinamento?

Espero que seja a última ))

E em geral, que conjunto de treinamento pode ser chamado de adequado?

Por exemplo, inserimos PNN com três valores do oscilador no intervalo [-1; 1] de três períodos diferentes e comparamos com a produção de 0,70 (o preço foi apenas 35 pips do movimento esperado de 50 pips).

Este é um conjunto de treinamento adequado?

 
alsu:

Nas tarefas de classificação na camada de saída é melhor usar SOFTMAX como função de ativação ao invés de sigmóide. Neste caso, cada neurônio de saída corresponde a uma das classes, e suas saídas dão a probabilidade de pertencer à classe correspondente. A soma das saídas por camada é igual a 1, como deveria ser.

Melhor ou não, depende de você. Não faz nenhuma diferença. Dependerá do que o laço precisar. Se desejado, e as saídas/entradas podem ser representadas como uma soma igual a 1 camada de neurônios, enquanto se usa um sigmóide. Mas o problema permanecerá o mesmo - incapacidade de fornecer um conjunto de treinamento adequado.
 
lasso:

Direção sem saída - o quê? Para usar NS probabilístico no comércio ou minha descrição deste kit de treinamento?

Espero que seja a última ))

É uma direção sem saída para determinar a probabilidade de um determinado evento comercial.

laço:

E em geral, que conjunto de treinamento pode ser chamado de adequado?

Por exemplo, introduzimos PNN com três valores do oscilador em intervalos [-1; 1] de três períodos diferentes e a ele comparamos a produção com 0,70 (o preço foi apenas 35 pips do movimento esperado de 50 pips).

Este é um conjunto de treinamento adequado?

Que informações a figura 0,7 traz sobre a probabilidade de um evento (já alcançado)? Nenhuma. Portanto, o resultado também será - nenhum.

O PNN pode ser usado como uma classificação de certas condições e/ou pertencentes a uma figura a um determinado padrão, mas não se pode usá-lo como uma ferramenta para determinar a probabilidade do resultado de algum evento. Ou melhor, ele pode ser usado, mas o valor da probabilidade encontrada não será eficaz (escrevi acima o porquê).

 
lasso:

Certo. Isso não é um problema. Mas como a PNN irá lidar com este valor?

Afinal de contas, o intervalo [0;1] - identifica possíveis valores de probabilidades, e como 2 se encaixam aqui? Eu não consigo entender...


Na verdade, há duas opções:

1. Codificação binária de entradas (1 evento de entrada/1). 0 - o evento não aconteceu, 1 - aconteceu.

2. Estendendo o conjunto de valores para cada entrada (como já lhe foi dito: 0, 1, 2...). Não há problema com o alcance [0;1] aqui, você terá probabilidades na saída da rede, enquanto a entrada não tem necessariamente que ter probabilidades. Se você não acredita - há outra maneira: dividir o intervalo [0;1] no número necessário de partes (0 - não ocorreu evento, 0,5 - nenhuma observação, 1 - ocorreu evento).