神经网络。来自专家的问题。 - 页 13

新评论
 
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......。

 
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。
 
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(

 

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。

 
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

 
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？

 
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。
 
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）。

 
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