神经网络。来自专家的问题。 - 页 13 1...67891011121314151617181920...25 新评论 Vitaliy 2010.09.14 19:01 #121 joo: 输入第三类信号。总的信号。 0或1或2 好的。这不是一个问题。 但PNN将如何处理这个值? 因为区间[0;1]--确定了可能的概率值,而2在这里是如何体现的?我想不明白......。 Andrey Dik 2010.09.14 19:09 #122 lasso: 好的。这不是一个问题。 但PNN将如何处理这个值? 毕竟,区间[0;1]确定了可能的概率值,而2在这里怎么会合适?我想不明白......。 我无法得到它,有什么问题?使用范围为[-1;1]的sigmoid,0将对应于无信号。然后有3种类型的 "清洁 "信号。 Vitaliy 2010.09.14 19:18 #123 joo: 我无法得到它,有什么问题?在[-1;1]范围内使用sigmoid,0将对应于无信号。然后有3种类型的 "清洁 "信号。 我也考虑过这个选项,但在这种情况下,0处于范围的中间,即相当于0.5的概率。 啊,一个事件发生的概率等于0.5和没有关于事件发生的信息,我认为是完全不同的事情。这就是问题所在( Andrey Dik 2010.09.14 19:25 #124 那么你必须有三种类型的事件。每个人都有一个[0;1]的范围(或任何更方便的范围),并考虑每个事件的概率。 我马上要说--这是一个死胡同的方向。不可能在描述这个或那个事件的概率的同时,还教给网络这个概率。假设一个网络给出的事件的输出概率为90%。那么,如果事件没有发生呢?那么网络是错的,但如果还有10%的概率,为什么要错呢?你只是不能提供一个足够的训练集,仅此而已。 Vitaliy 2010.09.14 19:46 #125 是的,谢谢你,这听起来差不多。我得考虑一下。 Alexey Subbotin 2010.09.14 19:51 #126 joo: 那么你必须有三种类型的事件。每个人的范围是[0;1](或其他,以更方便的为准),并考虑每个事件的概率。 让我马上说--这是个死胡同。不可能在描述一个事件的概率的同时,还教给网络这个概率。假设一个网络输出一个事件的概率为90%。那么,如果事件没有发生呢?那么网络是错的,但如果还有10%的概率,为什么要错呢?你只是不能提供一个足够的训练集,仅此而已。 在输出层的分类问题中,最好使用SOFTMAX而不是sigmoid作为激活函数。在这种情况下,每个输出神经元都对应于某个类别,它的输出给出了属于相应类别的概率。每层的输出之和等于1,这是它应该的。 lasso,你可以阅读关于激活函数,包括SOFTMAX,这里,第22页 Vitaliy 2010.09.14 20:26 #127 joo: 让我马上说--这是一个陷入僵局的方向。不可能在描述一个或另一个事件的概率的同时,还教给网络这个概率。比方说,网络输出一个事件的概率为90%。那么,如果事件没有发生呢?那么网络是错的,但如果还有10%的概率,为什么要错呢?你只是不能提供一个足够的训练集,仅此而已。 死胡同的方向--什么? 在交易中使用概率论NS,还是我对这套培训教材的描述? 我希望是后者 )) 而在一般情况下,什么样的训练集可以称为足够的? 例如,我们用三个不同时期的振荡器[-1;1]的三个值输入PNN,并与0.70的输出进行比较(价格从预期的50点运动中只上升了35点)。 这是一个充分的训练集吗? Andrey Dik 2010.09.14 20:29 #128 alsu: 在输出层的分类任务中,最好使用SOFTMAX作为激活函数而不是sigmoid。在这种情况下,每个输出神经元对应于其中一个类别,其输出给出了属于相应类别的概率。每层的输出之和等于1,这是它应该的。 更好与否,取决于你。没有任何区别。这将取决于套索 需要什么。如果需要,和输出/输入可以表示为等于1层神经元的和,同时使用sigmoid。但问题仍然是一样的--无法提供足够的训练集。 Andrey Dik 2010.09.14 20:42 #129 lasso: 死胡同的方向--什么? 在交易中使用概率论NS,还是我对这套培训教材的描述? 我希望是后者 )) 这是一个确定特定交易事件的概率的死胡同。 套索。 而在一般情况下,什么样的训练集可以称为足够的? 例如,我们用三个不同时期的振荡器[-1;1]的三个值输入PNN,并将其输出值与0.70进行比较(价格从预期的50点移动中只走了35点)。 这是一个充分的训练集吗? 0.7这个数字对一个(已经到达的)事件的概率有什么信息?没有。因此,结果也将是--没有。 PNN可以被用作某些条件的分类和/或某一数字属于某种模式,但人们不能把它作为确定某些事件结果的概率的工具。或者说,它可以被使用,但找到的概率值不会有用(我在上面写了原因)。 Evgeniy Logunov 2010.09.14 20:52 #130 lasso: 好的。这不是一个问题。但PNN将如何处理这个值? 毕竟,区间[0;1]--确定了概率的可能值,而2在这里怎么会合适?我想不明白......。 实际上有两个选择。 1.输入的二进制编码(1个输入/1个事件)。0 - 事件没有发生,1 - 发生了。 2.扩展每个输入的数值集(正如已经告诉你的:0、1、2......)。这里的范围[0;1]没有问题,你会在网络的输出端得到概率,而输入端不一定要有概率。如果你不相信--还有一个方法:把区间[0;1]分成必要的几部分(0--事件没有发生,0.5--没有观察,1--事件发生)。 1...67891011121314151617181920...25 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
输入第三类信号。总的信号。
0或1或2
好的。这不是一个问题。 但PNN将如何处理这个值?
因为区间[0;1]--确定了可能的概率值,而2在这里是如何体现的?我想不明白......。
好的。这不是一个问题。 但PNN将如何处理这个值?
毕竟,区间[0;1]确定了可能的概率值,而2在这里怎么会合适?我想不明白......。
我无法得到它,有什么问题?在[-1;1]范围内使用sigmoid,0将对应于无信号。然后有3种类型的 "清洁 "信号。
我也考虑过这个选项,但在这种情况下,0处于范围的中间,即相当于0.5的概率。
啊,一个事件发生的概率等于0.5和没有关于事件发生的信息,我认为是完全不同的事情。这就是问题所在(
那么你必须有三种类型的事件。每个人都有一个[0;1]的范围(或任何更方便的范围),并考虑每个事件的概率。
我马上要说--这是一个死胡同的方向。不可能在描述这个或那个事件的概率的同时,还教给网络这个概率。假设一个网络给出的事件的输出概率为90%。那么,如果事件没有发生呢?那么网络是错的,但如果还有10%的概率,为什么要错呢?你只是不能提供一个足够的训练集,仅此而已。
是的,谢谢你,这听起来差不多。我得考虑一下。
那么你必须有三种类型的事件。每个人的范围是[0;1](或其他,以更方便的为准),并考虑每个事件的概率。
让我马上说--这是个死胡同。不可能在描述一个事件的概率的同时,还教给网络这个概率。假设一个网络输出一个事件的概率为90%。那么,如果事件没有发生呢?那么网络是错的,但如果还有10%的概率,为什么要错呢?你只是不能提供一个足够的训练集,仅此而已。
在输出层的分类问题中,最好使用SOFTMAX而不是sigmoid作为激活函数。在这种情况下,每个输出神经元都对应于某个类别,它的输出给出了属于相应类别的概率。每层的输出之和等于1,这是它应该的。
lasso,你可以阅读关于激活函数,包括SOFTMAX,这里,第22页
让我马上说--这是一个陷入僵局的方向。不可能在描述一个或另一个事件的概率的同时,还教给网络这个概率。比方说,网络输出一个事件的概率为90%。那么,如果事件没有发生呢?那么网络是错的,但如果还有10%的概率,为什么要错呢?你只是不能提供一个足够的训练集,仅此而已。
死胡同的方向--什么? 在交易中使用概率论NS,还是我对这套培训教材的描述?
我希望是后者 ))
而在一般情况下,什么样的训练集可以称为足够的?
例如,我们用三个不同时期的振荡器[-1;1]的三个值输入PNN,并与0.70的输出进行比较(价格从预期的50点运动中只上升了35点)。
这是一个充分的训练集吗?
在输出层的分类任务中,最好使用SOFTMAX作为激活函数而不是sigmoid。在这种情况下,每个输出神经元对应于其中一个类别,其输出给出了属于相应类别的概率。每层的输出之和等于1,这是它应该的。
死胡同的方向--什么? 在交易中使用概率论NS,还是我对这套培训教材的描述?
我希望是后者 ))
这是一个确定特定交易事件的概率的死胡同。
套索。
而在一般情况下,什么样的训练集可以称为足够的?
例如,我们用三个不同时期的振荡器[-1;1]的三个值输入PNN,并将其输出值与0.70进行比较(价格从预期的50点移动中只走了35点)。
这是一个充分的训练集吗?
0.7这个数字对一个(已经到达的)事件的概率有什么信息?没有。因此,结果也将是--没有。
PNN可以被用作某些条件的分类和/或某一数字属于某种模式,但人们不能把它作为确定某些事件结果的概率的工具。或者说,它可以被使用,但找到的概率值不会有用(我在上面写了原因)。
好的。这不是一个问题。但PNN将如何处理这个值?
毕竟,区间[0;1]--确定了概率的可能值,而2在这里怎么会合适?我想不明白......。
实际上有两个选择。
1.输入的二进制编码(1个输入/1个事件)。0 - 事件没有发生,1 - 发生了。
2.扩展每个输入的数值集(正如已经告诉你的:0、1、2......)。这里的范围[0;1]没有问题,你会在网络的输出端得到概率,而输入端不一定要有概率。如果你不相信--还有一个方法:把区间[0;1]分成必要的几部分(0--事件没有发生,0.5--没有观察,1--事件发生)。