Nöral ağlar. Uzmanlar için sorular. - sayfa 13

 
joo :

Üçüncü sinyal tipini girin. Toplam sinyaller:

0 veya 1 veya 2

İyi. Problem değil. Ve PNN bu değeri nasıl ele alacak?

Sonuçta, [0; 1] aralığı - olasılıkların olası değerlerini tanımlar ve 2 buraya hangi taraf sığar? yetişemiyorum...

 
lasso :

İyi. Problem değil. Ve PNN bu değeri nasıl ele alacak?

Sonuçta, [0; 1] aralığı - olasılıkların olası değerlerini tanımlar ve 2 buraya hangi taraf sığar? yetişemiyorum...

Anlayamıyorum, sorun ne? [-1;1] aralığında bir sigmoid kullanın, 0 sinyal yok anlamına gelir. Ve bu - 3 tip "saf" sinyal.
 
joo :
Anlayamıyorum, sorun ne? [-1;1] aralığında bir sigmoid kullanın, 0 sinyal yok anlamına gelir. Ve bu - 3 tip "saf" sinyal.

Bu seçeneği de düşündüm, ancak bu durumda 0, aralığın ortasıdır, yani. 0,5 olasılığa karşılık gelir

Ve bir olayın meydana gelme olasılığı 0,5'e eşittir ve bir olayın meydana geldiğine dair bilgi eksikliği, bana öyle geliyor ki bunlar oldukça farklı şeyler. İşte sorun (

 

O zaman üç tür olay başlatmanız gerekir. Her birinin bir [0;1] (veya daha uygun olan) bir aralığı vardır ve olayların her birinin olasılığını göz önünde bulundurun.

Hemen söyleyeyim, bu bir çıkmaz sokak. Bir olayın olasılığını tanımlamak ve aynı zamanda ağa bu olasılığı öğretmek imkansızdır. Ağın bir olayın %90 olasılıkla çıktısını verdiğini varsayalım. Peki ya olay gerçekleşmezse? Yani ağ yanlıştı, ama sonuçta neden hala %10 kaldı? Yeterli bir eğitim seti sağlayamazsınız, hepsi bu.

 

Evet teşekkürler, ihtiyacınız olan şey bu gibi görünüyor. Düşünmek gerek.

 
joo :

O zaman üç tür etkinlik başlatmanız gerekir. Her birinin bir [0;1] (veya daha uygun olan) bir aralığı vardır ve olayların her birinin olasılığını göz önünde bulundurun.

Hemen söyleyeyim, bu bir çıkmaz sokak. Bir olayın olasılığını tanımlamak ve aynı zamanda ağa bu olasılığı öğretmek imkansızdır. Ağın bir olayın %90 olasılıkla çıktısını verdiğini varsayalım. Peki ya olay gerçekleşmezse? Yani ağ yanlıştı, ama sonuçta neden hala %10 kaldı? Yeterli bir eğitim seti sağlayamazsınız, hepsi bu.

Çıktı katmanındaki sınıflandırma problemlerinde aktivasyon fonksiyonu olarak sigmoid değil SOFTMAX kullanmak en iyisidir. Bu durumda, her bir çıktı nöronu sınıflardan birine karşılık gelir ve çıktıları, karşılık gelen sınıfa ait olma olasılığını verir. sınıf. Katmanlara göre çıktıların toplamı olması gerektiği gibi 1'e eşittir.

kement , aktivasyon fonksiyonları hakkında, dahil. SOFTMAX, buradan okunabilir, sayfa 22

 
joo :

Hemen söyleyeyim, bu bir çıkmaz sokak. Bir olayın olasılığını tanımlamak ve aynı zamanda ağa bu olasılığı öğretmek imkansızdır. Ağın bir olayın %90 olasılıkla çıktısını verdiğini varsayalım. Peki ya olay gerçekleşmezse? Yani ağ yanlıştı, ama sonuçta neden hala %10 kaldı? Yeterli bir eğitim seti sağlayamazsınız, hepsi bu.

Çıkmaz yön - ne? Alım satımda olasılıksal NN'yi mi yoksa bu eğitim setiyle ilgili açıklamamı mı kullanıyorsunuz?

umarım ikinci

Ve genel olarak, hangi eğitim seti yeterli olarak adlandırılabilir?

Örneğin, Osilatörden [-1; 1] üç farklı dönemden, 0,70'lik bir çıkışla karşılaştırıyoruz (fiyat, beklenen 50 puanlık hareketten sadece 35 puan geçti).

Bu yeterli bir eğitim seti mi?

 
alsu :

Çıktı katmanındaki sınıflandırma problemlerinde aktivasyon fonksiyonu olarak sigmoid değil SOFTMAX kullanmak en iyisidir. Bu durumda, her bir çıktı nöronu sınıflardan birine karşılık gelir ve çıktıları, karşılık gelen sınıfa ait olma olasılığını verir. sınıf. Katmandaki çıktıların toplamı olması gerektiği gibi 1'e eşittir.

Daha iyi - daha iyi değil, size kalmış. Öz değişmez. Neye ihtiyacınız olduğuna bağlı olacaktır kement . İstenirse, her iki çıktı/giriş, sigmoid kullanılırken 1 katman nöronlarına eşit bir toplam olarak temsil edilebilir. Ancak sorun aynı kalıyor - yeterli bir eğitim seti sağlayamamak.
 
lasso :

Çıkmaz yön - ne? Alım satımda olasılıksal NN'yi mi yoksa bu eğitim setiyle ilgili açıklamamı mı kullanıyorsunuz?

umarım ikinci

Çıkmaz yön - ticarette belirli bir olayın olasılığını belirlemek için.

kement :

Ve genel olarak, hangi eğitim seti yeterli olarak adlandırılabilir?

Örneğin, Osilatörden [-1; 1] üç farklı dönemden, 0,70'lik bir çıkışla karşılaştırıyoruz (fiyat, beklenen 50 puanlık hareketten sadece 35 puan geçti).

Bu yeterli bir eğitim seti mi?

0,7 sayısı (önceden ulaşmış) bir olayın olasılığı hakkında hangi bilgileri taşır? Numara. Bu nedenle, sonuç - hayır olacaktır.

PNN, belirli durumların ve/veya bir şeklin belirli bir kalıba ait olup olmadığının bir sınıflandırması olarak kullanılabilir, ancak belirli bir olayın sonucunun olasılığını belirlemek için bir araç olarak kullanılamaz. Aksine, kullanılacağı ortaya çıkacak, ancak bulunan olasılığın değerinden hiçbir anlamı olmayacak (neden, yukarıda yazdım).

 
lasso :

İyi. Problem değil. Ve PNN bu değeri nasıl ele alacak?

Sonuçta, [0; 1] aralığı - olasılıkların olası değerlerini tanımlar ve 2 buraya hangi taraf sığar? yetişemiyorum...


Aslında iki seçenek var:

1. Girişlerin ikili kodlaması (1 giriş/1 olay). 0 - olay olmadı, 1 - meydana geldi.

2. Her giriş için değer kümesinin genişletilmesi (daha önce söylendiği gibi: 0, 1, 2...). Burada [0; 1] aralığında herhangi bir sorun olamaz, olasılıkları ağın çıkışında alırsınız, olasılıkların girişte olması gerekmez. Bana inanmıyorsanız, başka bir seçenek daha var: [0;1] aralığını gerekli parça sayısına bölün (0 - olay olmadı, 0,5 - gözlem yok, 1 - olay oldu).