Usando redes neurais no comércio - página 13

 

 
grell:


a razão é diferente. redundância da rede.
E vamos descobrir o que é redundância de rede?)
 
Figar0:
E vamos descobrir o que é redundância de rede?)
Encaixar na essência.
 
TheXpert:
Um encaixe essencialmente.


A adaptação é quando a amostra é muito pequena. A redundância da rede tem pouco efeito no encaixe.
 
Figar0:
Por que não exploramos o significado de redundância?)


Não há necessidade, já está claro que o número de camadas e pesos é muito grande.

Mas vou acrescentar à questão da adaptação... Uma rede redundante é como um sistema de 4 equações com duas incógnitas. Ou a rede aprenderá trivialmente todos os dados, ou a solução será correta, mas instável.

 
TheXpert:
Um encaixe em essência.

Isto é compreensível. Como você determina a suficiência necessária de uma rede? Se houver redundância, existe suficiência?

grell:


Ou a rede aprenderá todos os dados.

Quantos dados a rede pode aprender?

 
Estamos falando de todas as redes ou MLPs?
 
grell:
Estamos falando de todas as redes ou MLPs?
Qual é a diferença fundamental? Que seja MLP. Aqui está seu MLP em sua própria configuração, o quanto ele pode aprender, caber?
 
Figar0:

Isto é compreensível. Como você determina a suficiência necessária de uma rede? Se houver redundância, existe suficiência?

Ah, isso é fácil. Assim que começa a aprender, é suficiente.
 
O máximo que alcancei é de 3 meses. Em (k/(l+1))*(m/(n+ponto)=8, onde k-número de negócios rentáveis, l-número de negócios perdedores, m-balanço total de negócios rentáveis, n-balanço total de negócios perdedores.