你如何实际评估一个 "特定 "的输入对NS的贡献? - 页 4 1234567891011...14 新评论 [删除] 2011.12.18 05:54 #31 我们还可以提出以下变体:为简单起见,我们采取有三个输入的NS。 并应用所有的20个输入,让优化器按标准自行找到3个输入的最佳组合,例如,向前运行以获得最小的缩减。 类似这样的事情。 СанСаныч Фоменко 2011.12.18 06:30 #32 Swetten: 我们还可以提出以下变体:为简单起见,我们采取有三个输入的NS。 并应用所有的20个输入,让优化器按标准自行找到3个输入的最佳组合,例如,向前运行以获得最小的缩减。 类似这样的事情。 那是肯定的。每个人都有一个选择:读一本书或发展一个无拘无束的幻想。 [删除] 2011.12.18 06:36 #33 Figar0:不算是星期五,但是......。有一个NS,任何NS,有一个输入A={A1, A2, ....A20}.训练NS,获得满意的结果。我们如何实际评估输入A1、A2、...的每个元素的贡献?A20的这个结果? 我脑海中的选项是。1)以某种方式总结和计算元素通过网络时的所有权重。我不太清楚怎么做,我必须沉浸在网络操作中,并以某种方式计算一些系数,等等。2) 尝试以某种方式 "归零",或者例如倒转输入矢量的一个元素,看看它对最终结果有何影响。到目前为止,我已经确定了这一点。但在意识到这第二个变体之前,我决定征求我的意见。谁可能在这个问题上思考的时间比我长?也许有人能给我提供一些有用的书籍-文章?我建议写一个指标,并在一个单独的窗口中运行它。 指示线会使人产生非常有趣的认知观察。 指示线可能是:神经元加法器输出;非线性传感器后的神经元输出;可能是委员会输出,等等。 一切只取决于你的欲望和幻想。 这种能见度将有助于 "穿透 "这个 黑匣子,了解它是如何在那里发生/运作的。 [删除] 2011.12.18 14:12 #34 faa1947: 那是肯定的。每个人都有一个选择:读一本书或发展一个无拘无束的飞行。 仅供参考,这是书中描述的方法。 也许不是以我在这里提交的形式,但基本上是正确的。 TheXpert 2011.12.18 15:40 #35 LeoV: 每个输入的影响程度几乎不可能现实地估计 。 我不知道,相对于其他输入,它很好。只有输入需要被规范化。 因此,我们把预测的输出作为一个基准,对于所有模式的每个输入,我们计算某个输入的一些非常小的转变的有效值误差。 [删除] 2011.12.18 15:43 #36 faa1947:在计量经济学范围之外应用一个坚实的基于证据的方法,会引发一些幼稚的问题。做好回归工作。利润=s(1)*A0+...。s(n) * A(n)我们估计这个回归的系数。随即我们得到某一特定系数等于零的概率- 删除这样的输入所有系数合计等于零的概率使用椭圆,我们可以得到相关系数进行冗余输入的测试对缺失的输入进行测试测试系数值的稳定性(评估其变化的随机性)。 一个聪明人来了,对我这个幼稚的问题给出了一个成年人的答案)谢谢。不仅回归和NS不完全是一回事,而且提议的方案至少也不简单。我们估计,得到,进行,进行,进行......而且不清楚如何解释在相当不同的系统中获得的结果。MACD是好是坏?一个TS可以使用它,而另一个不可以? Swetten: 我们还可以提出以下变体:为了简单起见,我们采取一个有三个输入的NS。我们提供所有20个输入,并让优化器通过标准自行找到3个输入的最佳组合,例如,为了最小的缩减而向前运行。类似这样的事情。 我做了完全相同的事情,但没有采取任何输入,并创建了它们的组合。 我排除了输入和它们的一些组合,并观察结果--这是同样的事情。开机、关机--有什么区别?由于实施的特殊性,我发现排除它更方便。 faa1947: 这就对了。每个人都有一个选择:读一本书或发展一个无拘无束的飞行。 。 话说回来,我甚至也问过文章书的问题。没有人就这个问题提出任何建议,你也没有。去科技图书馆祈祷计量经济学,唯一的非科学?)虽然我真的不介意书籍,但如果我在厕所里以教育或文化为目的浏览这些书籍,它们的实际用途很小,没有现成的解决方案,因为它们是由原教旨主义理论家或不成功的应用科学家撰写的。而且不管你怎么读,如果没有 "无拘无束的想象力",它们就没有任何实际用途。 Alexey Burnakov 2011.12.18 15:47 #37 TheXpert: 我不知道,相对于其他输入,它很好。只有输入应该被规范化。 因此,我们把预测的输出作为一个基准,对于所有模式的每个输入,我们计算某个输入的一些非常小的转变的均方根误差。 是的,或者说--在经过训练的NS上,我们通过将每个输入依次分配给其样本平均值来计算误差。 Sceptic Philozoff 2011.12.18 15:54 #38 Figar0: 一个聪明的人出现了,对我这个幼稚的问题给出了一个成熟的答案)好吧,谢谢你。不仅回归和NS不完全是一回事,而且建议的变体至少也不简单。我们估计,得到,进行,进行,进行......而且也不清楚如何解释在相当不同的系统中获得的结果。MACD是好是坏?一个TS可以使用它,而另一个不可以? 顺便说一下,NS也是一种退步。当前的倒计时对以前的倒计时同样有依赖性。但这不是问题的关键。 FAA 所建议的适用于线性回归,而神经网络是一种非线性回归。 TheXpert 2011.12.18 15:59 #39 Mathemat: 顺便说一下,NS也是一种退步。 在一般情况下,根本不可能。 Sceptic Philozoff 2011.12.18 16:03 #40 好吧,那你得问问这个话题的作者,他用的是哪个网络。 1234567891011...14 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
我们还可以提出以下变体:为简单起见,我们采取有三个输入的NS。
并应用所有的20个输入,让优化器按标准自行找到3个输入的最佳组合,例如,向前运行以获得最小的缩减。
类似这样的事情。
我们还可以提出以下变体:为简单起见,我们采取有三个输入的NS。
并应用所有的20个输入,让优化器按标准自行找到3个输入的最佳组合,例如,向前运行以获得最小的缩减。
类似这样的事情。
不算是星期五,但是......。
有一个NS,任何NS,有一个输入A={A1, A2, ....A20}.训练NS,获得满意的结果。我们如何实际评估输入A1、A2、...的每个元素的贡献?A20的这个结果?
我脑海中的选项是。
1)以某种方式总结和计算元素通过网络时的所有权重。我不太清楚怎么做,我必须沉浸在网络操作中,并以某种方式计算一些系数,等等。
2) 尝试以某种方式 "归零",或者例如倒转输入矢量的一个元素,看看它对最终结果有何影响。到目前为止,我已经确定了这一点。
但在意识到这第二个变体之前,我决定征求我的意见。谁可能在这个问题上思考的时间比我长?也许有人能给我提供一些有用的书籍-文章?
我建议写一个指标,并在一个单独的窗口中运行它。
指示线会使人产生非常有趣的认知观察。
指示线可能是:神经元加法器输出;非线性传感器后的神经元输出;可能是委员会输出,等等。 一切只取决于你的欲望和幻想。
这种能见度将有助于 "穿透 "这个 黑匣子,了解它是如何在那里发生/运作的。
那是肯定的。每个人都有一个选择:读一本书或发展一个无拘无束的飞行。
仅供参考,这是书中描述的方法。
也许不是以我在这里提交的形式,但基本上是正确的。
每个输入的影响程度几乎不可能现实地估计 。
我不知道,相对于其他输入,它很好。只有输入需要被规范化。
因此,我们把预测的输出作为一个基准,对于所有模式的每个输入,我们计算某个输入的一些非常小的转变的有效值误差。
在计量经济学范围之外应用一个坚实的基于证据的方法,会引发一些幼稚的问题。
做好回归工作。
利润=s(1)*A0+...。s(n) * A(n)
我们估计这个回归的系数。
随即我们得到
某一特定系数等于零的概率- 删除这样的输入
所有系数合计等于零的概率
使用椭圆,我们可以得到相关系数
进行冗余输入的测试
对缺失的输入进行测试
测试系数值的稳定性(评估其变化的随机性)。
一个聪明人来了,对我这个幼稚的问题给出了一个成年人的答案)谢谢。不仅回归和NS不完全是一回事,而且提议的方案至少也不简单。我们估计,得到,进行,进行,进行......而且不清楚如何解释在相当不同的系统中获得的结果。MACD是好是坏?一个TS可以使用它,而另一个不可以?
我们还可以提出以下变体:为了简单起见,我们采取一个有三个输入的NS。
我们提供所有20个输入,并让优化器通过标准自行找到3个输入的最佳组合,例如,为了最小的缩减而向前运行。
类似这样的事情。
我做了完全相同的事情,但没有采取任何输入,并创建了它们的组合。 我排除了输入和它们的一些组合,并观察结果--这是同样的事情。开机、关机--有什么区别?由于实施的特殊性,我发现排除它更方便。
这就对了。每个人都有一个选择:读一本书或发展一个无拘无束的飞行。
。
话说回来,我甚至也问过文章书的问题。没有人就这个问题提出任何建议,你也没有。去科技图书馆祈祷计量经济学,唯一的非科学?)虽然我真的不介意书籍,但如果我在厕所里以教育或文化为目的浏览这些书籍,它们的实际用途很小,没有现成的解决方案,因为它们是由原教旨主义理论家或不成功的应用科学家撰写的。而且不管你怎么读,如果没有 "无拘无束的想象力",它们就没有任何实际用途。
我不知道,相对于其他输入,它很好。只有输入应该被规范化。
因此,我们把预测的输出作为一个基准,对于所有模式的每个输入,我们计算某个输入的一些非常小的转变的均方根误差。
顺便说一下,NS也是一种退步。当前的倒计时对以前的倒计时同样有依赖性。但这不是问题的关键。
FAA 所建议的适用于线性回归,而神经网络是一种非线性回归。
顺便说一下,NS也是一种退步。