Сеть, состоящую из одного нейрона. - страница 2
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Очень хорошие примеры. А что тогда подразумевается под обучением сети?
Только лишь перебор всех весов и параметров входного вектора?
Если так, то это называется сбор статистики и комбинаторика а не нейросеть.
В процессе обучения сети она находит те значения весов и параметров функции активации при которых достигается минимум целевой функции. Т.е. возникает еще одно понятие - целевая функция. Это то, что определяет критерии обучения и задается строителем сети.
Параметры входных векторов не "перебираются" . Это вам не оптимизация. Все множество входных векторов, на котором производится обучения задано изначально.
Смысл обучения сети заключается в построении (с помощью весов и функции активации) наилучшего соответствия между множеством входных векторов Х и множеством выходных векторов Y. Вектора Y это и есть те самые классы, на которые вы разделяете все множество состояний рынка (или моделей поведения цены, паттернов и т.д. ) о которых говорил Prival. Имея обученную сеть вы по большому набору данных можете быстро получить решение о том, что это за ситуация, к какому классу она относится. А уж покупать или продавать при этом - дело десятое.
Поэтому при обучении сети ей и предъявляются одновременно как входной вектор Х, так и выходной - Y.
Но все равно мы будем имеем дело с получением статистических данных и выделения наиболее лучшего из них. Подгонка под известный всем ответ? То есть перебор всех множеств входных данных, перебор множеств всех весов, выявления лучшей их комбинации и как результат имеем наилучщий набор параметров.
Это и есть то самое обучение? Получается оно гипотетическое и на самом деле его нет? Это просто сбор статистики и комбинаторика?
Неужели все так банально? и за громкими словами как классы, объекты, входные вектора, функции активации скрывается такой простой смысл?
Единственное, что хотел бы добавить, о чем многие забывают. Добавьте обязательно 1 класс . Yn – не знаю. + все философские понятия напишите на языке понятном для компьютера (языком математики) только тогда Вы сможете вложить эти понятия (паттерны, флеты, тренды, гэпы и т.д) в НС.
Боюсь только теперь у Вас не 1 вопрос, а уже больше. Но так и должно быть есть афоризм, "чем больше мы знаем - тем больше мы не знаем". За последний час Вы что то узнали и круг Ваших знаний увеличился, следовательно и круг незнания увеличился тоже :-)
На один вопрос Вы уже ответили, это просто инструмент, который помогает человеку распознать (принять решение к какому классу принадлежит объект) и никакого интеллекта там нет. Но это не умаляет его достоинства при большом количестве классов и входных параметров человек просто не справляется
Ну "перебор параметров" это я сказал грубо. В принципе я и имел ввиду их множество.
Но все равно мы будем имеем дело с получением статистических данных и выделения наиболее лучшего из них. Подгонка под известный всем ответ? То есть перебор всех множеств входных данных, перебор множеств всех весов, выявления лучшей их комбинации и как результат имеем наилучщий набор параметров.
Это и есть то самое обучение? Получается оно гипотетическое и на самом деле его нет? Это просто сбор статистики и комбинаторика?
Неужели все так банально? и за громкими словами как классы, объекты, входные вектора, функции активации скрывается такой простой смысл?
Если вы обязательно хотите подогнать то, что вам здесь говорится, под удобный вам примитивный ответ - то это и есть отсутствие обучения. Если вы еще при этом сможете сказать что такое "обучение", "мышление", "интеллект", то я отвечу вам чем все это отличается от простого сбора статистики и выделения "наиболее лучшего из них".