O que alimentar a entrada da rede neural? Suas ideias... - página 60

[Forester]

Maxim Dmitrievsky #:
Maximizar a qualidade do treinamento é maximizar a qualidade das previsões em novos dados. Ninguém está interessado em previsões sobre a amostra de treinamento, porque elas já são conhecidas. Isso não é aprendizado, é aproximação. Você não chama a aproximação de aprendizado.

Por exemplo, um MLP de duas camadas é um aproximador universal que pode aproximar qualquer função arbitrária com qualquer precisão. Isso significa que ele é treinado com qualidade máxima - é claro que não. Caso contrário, não inventaríamos outras arquiteturas de redes neurais que são melhores em termos de aprendizado, e não de ajuste, para tarefas específicas.

Fraco, embora você pareça ter se dedicado ao assunto por um longo tempo.

Bem, se estivermos treinando a tabuada, a lei de Ohm e outras leis, quanto mais exemplos forem dados durante o treinamento, mais precisas serão as respostas em novos dados.

E o modelo sempre será mal treinado, pois há infinitas variantes, e não é possível alimentar todas elas, é claro. Em uma situação ruidosa, os operadores de rádio podem lidar com o ruído branco (ou outros ruídos naturais aprendidos), no comércio e o ruído muda o tempo todo. Portanto, tudo isso é bastante complicado para a avaliação da qualidade.

[Forester]

Andrey Dik #:

Ok, a palavra "nota" surgiu, excelente.

Portanto, o aprendizado precisa ser avaliado de alguma forma, não importa como, o principal é melhorar a nota. Certo?

A nota máxima é a memorização absoluta. Na negociação em uma situação barulhenta, todos dançam com seu pandeiro enquanto podem)))) Alguns no teste, outros na validação cruzada, outros no Walking Forward. E alguém de olho))))

[Andrey Dik]

Aleksey Nikolayev #:
O que há de errado com a definição usual de aprendizado - atribuir valores específicos aos parâmetros do modelo?

I van Butko #:

Ela não reflete a essência.



Se começarmos pelo oposto (memorização/lembrança), então o aprendizado é a identificação de certos padrões, graças aos quais você pode criar ou identificar novos conhecimentos. Por exemplo: o Chat escreve poemas sobre um tópico arbitrário.

Tanto a aprendizagem de modelos quanto a aprendizagem humana - em ambos os casos, é necessário ajustar os parâmetros do modelo (neurônios no cérebro).

Certo. A questão é que ninguém precisa de qualquer treinamento, mas de um bom treinamento. Qual é o critério para avaliar a qualidade do treinamento?

[Andrey Dik]

Forester #:
A pontuação máxima é a memorização absoluta. Na negociação em uma situação barulhenta, todos dançam com seu pandeiro enquanto podem))))) Alguns no teste, outros na validação cruzada, outros no Walking Forward. E alguém com os olhos)))))

Ou seja, o aprendizado é um processo que maximiza a estimativa (ou minimiza o erro), certo?

[Ivan Butko]

Na discussão sobre inteligência, tentamos descrever sua essência. E os defensores da conexão biológica tinham um critério (se não me engano) - a capacidade de aprendizado.

Portanto, o aprendizado mecânico (homem-enciclopédia), como mostra a prática social, é, ao contrário, um sinal de fraqueza do intelecto.

E, ao contrário, uma pessoa que não tem todo o conhecimento pode chegar a ele mais rapidamente por meio da experiência.

E assim, estando em um volume de algum conhecimento, o segundo tipo de intelecto começará a superar o primeiro, em desenvolvimento, prática, atividade, pesquisa, etc.

Portanto, eu não incluiria o conceito de "memorização total" na definição ou descrição do aprendizado.

Projetando para o forex, a fim de criar um mecanismo que possa se beneficiar do gráfico de preços, precisamos considerar uma arquitetura que aceite mais de um valor por entrada e não quebre.

A prática mostra que quanto mais valores por entrada, pior é, e deveria ser o contrário.

Mas, por outro lado, há dois tipos de entradas em relação ao gráfico:

1. Uma sequência de dados temporalmente semelhantes(!).

2. apenas os dados mais recentes, mas heterogêneos.

Portanto, no mesmo MLP simples, o primeiro tipo de dados é inequivocamente interrompido se mais de um valor for inserido.

Mas o segundo tipo às vezes(!) funciona melhor se você encontrar dados de entrada adequados (complementares).

Por exemplo, a posição do preço em um intervalo e a posição de algum oscilador às vezes fornecem um modelo de trabalho que repete o sucesso em pares aliados.

Com o primeiro tipo de dados, isso é impossível, pois a cada nova entrada (antiga no tempo), o resultado em pares aliados obtém o valor aleatório absoluto.

Então, foi aí que tive a ideia de que há aprendizado no sentido informacional (não em exemplos da vida, mas em exemplos do ambiente virtual). E o ambiente virtual são os bits.

Se omitirmos a pergunta sobre bytes e por que há tantos deles (sinais), resta uma coisa: não apenas os números, mas também os sinais estão sujeitos ao aprendizado.

E, portanto, os dados de entrada não devem ter apenas valor numérico, porque o número tem um fator de potência (por si só, já é um peso), mas devem ter alguma forma qualitativa (a, B, C), em que esses sinais receberão peso, já por números.

Assim, quando alguém compõe uma arquitetura de aprendizado, não é necessário que ela tenha as visões dos livros didáticos, pois é quase um processo criativo.

Mas, para sair da criatividade e seguir o caminho da justificativa, é necessário descrever pelo menos o que é aprendizado no sentido informacional (aplicado)

[Forester]

Andrey Dik #:
Ou seja, aprender um processo que maximize a estimativa (ou minimize o erro), certo?

Não. O aprendizado pode ocorrer sem avaliação. A classificação é uma opção.

Se você memorizar toda a tabuada de multiplicação. Independentemente de ser avaliado ou não, seu conhecimento não mudará (se você o memorizou bem).

[Forester]

A ndrey Dik #: Ou seja, o aprendizado é um processo que maximiza a estimativa (ou minimiza o erro), certo?

Ao aprender, você não está percorrendo as opções:

3*3=1,2,3,4,5,6,7,8,9,10,11...
e, em seguida, você calcula a diferença com 9 e descobre que a resposta é realmente 9. Você memoriza 9 imediatamente.

[Andrey Dik]

Forester #:

Não. O aprendizado pode ocorrer sem notas. As notas são uma opção.

Se você memorizar toda a tabuada de multiplicação. Independentemente de ser avaliado ou não, seu conhecimento não mudará (se você o memorizou bem).

Como você saberá se aprendeu a tabuada inteira ou apenas parcialmente sem nota?

[Andrey Dik]

Forester #:

Não. O aprendizado pode ocorrer sem notas. As notas são uma opção.

Se você memorizar toda a tabuada de multiplicação. Quer você seja avaliado ou não, seu conhecimento não mudará (se você memorizou bem).

F orester #:

Não é como se você estivesse passando pelas opções quando está aprendendo:

3*3=1,2,3,4,5,6,7,8,9,10,11...
e então você calcula a diferença com 9 e, com isso, descobre que a resposta é realmente 9. Você memoriza 9 imediatamente.

Como você saberá se aprendeu a tabuada de multiplicação completamente ou apenas parcialmente, sem uma nota?

[Forester]

Andrey Dik #:

Como você saberá se aprendeu a tabuada de multiplicação completamente ou apenas parcialmente, sem uma nota?

Você não sabe. Você aprende o que lhe é dado para aprender.