нейронная сеть и входы - страница 41

Т.е. если в исходной электронной таблице (сsv файле) количество столбцов N > 46, а количество строк M, то затраты времени на вычисления пропорциональны: 2 * (N - 2) + M - 2

Если количество столбцов в электронной таблице N < 13, то затраты времени на вычисления пропорциональны 2 * (N - 2)² + M - 2

Т.е. если столбцов в электронной таблице N = 12 (10 входов), то время на вычисления на одном и том же компьютере будет таким же, как и для N = 1025 (1023 входа). Потому что при количестве входов меньшем 11 включаются ядерные преобразования МГУА

НУ ладно, со временем разобрались. Но вот ещё что я успел заметить. Если оптимизировать один и тот же файл, то получаются совершенно разные результаты... Ну как совершенно.... Отличаются они конечно, бывает что даже очень сильно. С чем это связано Юрий??? Я думал что при оптимизации в данном случае мы должны приходить к единому результату. А тут получается что результат разный.... :-( С чем это связано?

Это связано со случайностью. Генеральная выборка с помощью ПГСЧ разбивается на две подвыборки: обучающую и контрольную. jPrediction делает 100 попыток разделения генеральной выборки на две части.

При каждой попытке на обучающей подвыборке строится модель. По контрольной модель проверяется "на вшивость". Результаты, полученные на контроле (обобщающая способность) отображаются. А результаты обучающей способности никому нафиг не нужны, т.к. являются подгонкой, а посему нигде не отображаются.

Если наилучшие результаты обобщающей способности сильно отличаются на одной и той же выборке при разных прогонах, то это означает, что выборка нерепрезентативна - слишком много мусора на входах. Т.е. предикторы имеют низкую значимость.

Если выборка репрезентативна, то одна и та же наилучшая модель может быть построена неоднократно за 100 прогонов, т.е. не так сильно зависит от того, какие примеры войдут в обучающую выборку, а какие в контрольную.

при прогнозировании временных рядов НС разбиение выборки с помощью ГПСЧ не имеет никакого практического смысла - полная ерунда, ничего не показывающая.

Только исскуственное разбиение с выделением контрольной выборки в конце временного ряда 

Добрый вечер ..Есть ли пример советника, использующий нейросеть скажем с мувингом или с каким либо другим индикатором ?Или еще проще  нейросеть в советник встроенный в Мт по мувингам есть?