神经网络和输入 - 页 10

新评论
 
Figar0:
NS是复杂的。

1)每个人都 "达到 "输入（有些人穿过它们，直到它们变成灰球）。

2）有些人考虑输出，选择网络任务，其类型和架构。

3）只有少数人认真投身于网络培训。

在NS中没有什么小事，因此缺乏结果。


  1. 我尝试了不同的输入--从增加报价和指数到FFT变换和光谱成分的输入。试着从训练有素的Kohonen牌中 喂食。
  2. 该架构是一个具有双曲正切激活函数的多层peseptron。
  3. 从简单的Back Prop，到Levenberg - Marquardt 算法 ，以及精确计算Hessian的各种算法。
 
TimeMaster:
  1. 不同的算法，从简单的Back Prop，到精确计算Hessian 的Levenberg-Marquardt 算法 。
学习算法并不在乎三次，即使它是一个基因算法)。
 
TheXpert:
学习算法并不关心三次的算法，即使它是一个基因算法 )


我同意。唯一的区别是学习速度。我不认为用MSE "捕捉 "6-7个小数点有什么意义，所以我更经常地使用有三个样本的简单Back Prop。一个训练样本，一个验证样本和一个测试样本。有效的选择方式不同，或者根据时间间隔，在训练后立即选择有效的，或者我从训练中随机抓取例子，分别从训练样本中删除例子。
 

关于基因算法...

很难想象把它用在有超过10000个突触的神经网络上的 "用处"。需要大约10000*1000个个体的人口，就速度而言，这并不 "好"。我对纪元保持沉默......

 
<br/ translate="no">

例如，如果我想训练一个网络。 2*2=4，而不是5、6或7 .那就由我来决定吧 必须清楚地了解。 教它什么。并非如此，有时2*2=4，有时5......。

一般来说，问题陈述是很重要的。我想要什么？以此类推。


随着市场的变化，"2*2 "并不总是等于4，所以这就是问题所在。市场在变，条件在变。训练样本中开始出现不一致的数据。该网络不学习。如果你为了只 "捕捉 "当前状态而减少样本，你将面临样本本身的大小--它太小了，无法训练一个或多或少的容积式神经网络。发生了过度训练。使用简单的神经网络 也是不可取的，因为输入很小，很难将有用的数据 "塞 "进输入。
 
TimeMaster:

关于基因算法...

很难想象在有10000多个突触的神经网络上使用它的 "用处"。需要大约10000*1000个个体的人口，就速度而言，这并不 "好"。关于纪元我是沉默的......

去年我在4号猫头鹰里面写了一个遗传优化。为了好玩，我在0...200范围内输入了88个输入参数。在15分钟内训练了2周~20分钟（P-4 3GHz，2GB）。得到了plummer--没有战略，只是一个实验。如果感兴趣，我可以告诉你。

 
icas:

去年我在4中写了一个猫头鹰内部的遗传优化。为了好玩，我在0...200范围内输入了88个输入参数。在15分钟内训练了2周~20分钟（P-4 3GHz，2GB）。得到了plummer--没有战略，只是一个实验。如果你有兴趣，我可以告诉你。


如果有10000个输入参数，那么BEST形式的问题将变得10000/88倍复杂，分别为~20min*100=2000min ....

这大概是一天半的时间...

遗传学规则，当你有几十亿年的时间，你可以在镜子里看看自己。:-)

 
solar:
需要做的是数据收集、数据准备、噪音美白、配给等等。这就是市场的非平稳性的斗争方式。 (理论上)))


数据收集是一个经过充分研究的领域，有一些方法和地方可以下载相对 "好 "的报价历史。

数据准备，也是一个研究领域。我可以告诉你，即使对输入向量的每个维度进行并列转换也不能消除数据不一致的问题。

有了噪音就更复杂了，这里的时间间隔很重要，几分钟与几周相比自然是 "有噪音"，但15分钟与几小时相比就需要挖掘了...。

正常化也是一个微不足道的问题。

 
TimeMaster:

关于基因算法... 很难想象在有10000多个突触的神经网络上使用它的 "用处"。需要大约10000*1000个个体的人口，就速度而言，这并不 "好"。我不是在谈论纪元...

10000个突触？我认为，这是严重的矫枉过正，我在500-700左右就达到了最高水平。我不需要更多。顺便说一下，我教的是GA，是NS。 是的，它很慢，但对我来说更方便，有它自己的优势。
时间大师。

随着市场的变化，"2*2 "并不总是等于4，所以问题就在这里。随着市场的变化，条件也在变化。训练样本开始有不一致的数据。该网络不学习。如果你为了只 "捕捉 "当前状态而减少样本，你将面临着采样量--它太小了，无法训练一个或多或少的体积神经网络。

2*2并不总是4？对我来说，在70%的情况下，2*2=4就足够了，我甚至没有过滤剩下的30%的例子，其中2*2不等于4。网络可以自己处理得很好......。 如果在50%的情况下2*2等于4，你应该尝试改变一些东西，例如输入....我想我已经表达了我的观点)

icas。

去年我在4号猫头鹰里面写了一个遗传优化。为了好玩，我在0...200的范围内输入了88个输入参数。在15分钟内训练了2周~20分钟（P-4 3GHz，2GB）。得到了plummer--没有战略，只是一个实验。如果感兴趣，我可以告诉你。

告诉我吧，当然很有趣。
 
Figar0:
10000个突触？我认为，这是严重的矫枉过正，我的最大使用量约为500-700。我不需要更多。顺便说一下，我教的是GA，是NS。 是的，它很慢，但对我来说，它更方便，有它自己的优势。

2*2不一定是4？对我来说，2*2=4就足够了，例如，在70%的情况下，我甚至不过滤剩下的30%的2*2不等于4的例子。网络可以自己处理得很好......。 如果在50%的情况下2*2等于4，你应该尝试改变一些东西，例如输入....我想我已经表达了我的观点)

告诉我吧，当然很有趣。

你能给我一个例子，当2*2不等于4的时候？

我经常在文献中读到这一点，但不幸的是，没有任何例子。

1...34567891011121314151617...41
新评论