Новая статья: Глубокая нейросеть со Stacked RBM. Самообучение, самоконтроль
Ссылка на предыдущую статью не работает
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Глубокая нейросеть со Stacked RBM. Самообучение, самоконтроль:
Статья является продолжением предыдущих статей по глубоким нейросетям и выбору предикторов. В ней мы рассмотрим особенность нейросети, инициируемой Stacked RBM, а также её реализации в пакете "darch".
При подготовке данных для проведения экспериментов мы будем использовать переменные из предыдущей статьи об оценке и выборе предикторов. Сформируем исходный набор, проведем его очистку и выбор важных переменных.
Рассмотрим варианты разделения исходной выборки на тренировочный, тестовый и валидационный наборы.
С помощью пакета "darch" построим модель сети DBN, обучим её на наших наборах данных. После тестирования модели получим метрики, по которым сможем оценить качество модели. Рассмотрим широкие возможности, которые предоставляет пакет для настройки параметров нейросети.
Рассмотрим, чем нам могут помочь скрытые Марковские модели для улучшения предсказаний нейросети.
Разработаем эксперт, в котором модель будет обучаться периодически на лету, без прерывания торговли, по результатам постоянного контроля. В эксперте будем использовать модель DBN из пакета "darch". Приведем также вариант эксперта, построенного с использованием SAE DBN из предыдущей статьи.
Укажем пути и методы улучшения качественных показателей модели.
Рис. 1. Структурная схема DN SRBM
Автор: Vladimir Perervenko