👵🏼 🛤️ 🎗️ क्या तंत्रिका नेटवर्क बिजली के पैसे का सपना देखते हैं? 📠 👨🏻‍🎓 👩🏼‍🌾

टीएल; डीआर: नहीं

वेब की विशालता में, यह सामग्री, मैनुअल, तैयार किए गए समाधान, असेंबली और अन्य सामानों से भरा हुआ है, जो कि क्रिप्टोक्यूरेंसी और पारंपरिक विनिमय संपत्ति की कीमतों का पूर्वानुमान करने के लिए समर्पित है, न्यूनतम प्रयास के साथ त्वरित और आसान आय की गंध। और यद्यपि अलग-अलग लोग उन्हें लिखते हैं, विभिन्न दृष्टिकोणों के साथ, विभिन्न प्लेटफार्मों पर और विभिन्न प्रतिमानों के साथ, उन सभी के पास एक अपरिवर्तित सामान्य विशेषता है - वे काम नहीं करते हैं ।

क्यों? चलो ठीक है।

परिचय

चलो परिचित हो गए, मेरा नाम डेनिस है और, अपने खाली समय में, मैं कृत्रिम बुद्धिमत्ता के क्षेत्र में और विशेष रूप से, कृत्रिम तंत्रिका नेटवर्क के क्षेत्र में अनुसंधान करता हूं।

इस लेख में मैं उन समस्याओं का वर्णन करने की कोशिश करूंगा जो वित्तीय स्वतंत्रता की खोज में अपने आप को कृत्रिम तंत्रिका नेटवर्क के नौसिखिया शोधकर्ताओं का निर्माण करते हैं, जो शून्य दक्षता के साथ कीमती समय बिता रहे हैं।

मुझे उम्मीद है कि, इस लेख के ढांचे के भीतर, सामग्री की जटिलता और धारणा में आसानी के बीच एक पर्याप्त संतुलन बनाए रखना संभव होगा, ताकि पाठ उन लोगों के लिए सरल, समझ और दिलचस्प दोनों हो जो इस क्षेत्र से संबंधित नहीं हैं, और उन लोगों के लिए जो शोध में समस्याओं का सामना कर रहे हैं। यह उद्योग। मुझे तुरंत कहना होगा कि यहां कोई सूत्र नहीं होगा, विशिष्ट शब्दावली भी कम से कम है।

मैं Google के लिए काम नहीं करता। मेरे पास बीस डिग्री नहीं है। मैं नासा में इंटर्न नहीं था। मैंने स्टैनफोर्ड में अध्ययन नहीं किया, और मुझे इसका अफसोस है। हालांकि, मुझे अभी भी उम्मीद है कि मैं समझता हूं कि जब मैं पूर्वानुमान प्रणालियों के बारे में बात कर रहा हूं और उसी समय, मैं सामान्य रूप से क्रिप्टोक्यूरेंसी दुनिया और विशेष रूप से कार्डानो परियोजना के साथ बहुत करीब से जुड़ा हुआ हूं।

बेशक, मैं, एक क्रिप्टो उत्साही के रूप में तंत्रिका नेटवर्क में लगा हुआ था, बस मदद नहीं कर सकता था लेकिन क्रिप्टोकरेंसी के संबंध में एआई के आवेदन के धूमिल क्षेत्र में उतर गया।

समस्या का सार

जैसा कि पहले उल्लेख किया गया है, ऐसी कई सामग्रियां हैं जो प्रतीत होती हैं कि काम किया गया है और प्रतीत होता है कि गहराई से, उदाहरण के साथ, इस विषय पर, इतनी कि आपकी आँखें चौड़ी हो जाएं। और लेखक इतना निश्चित हैं कि उनका प्रयोग, पिछले कुछ सौ के विपरीत, सफल है, कि एक आश्चर्य की बात है कि अगला लेख एक व्यक्तिगत द्वीप पर "भेड़ के बच्चे" के साथ फ़ोटो के साथ समाप्त क्यों नहीं होता है, और मूल्य के पूर्वानुमान से संबंधित "कागल कर्नेल" के लेखकों की सूची बिटकॉइन के लिए, फोर्ब्स सूचियों की नकल नहीं करता है।

यह उम्मीद की जाती है कि इन मुद्दों को समर्पित हैबे पर लेख हैं। और, दिलचस्प रूप से, प्रकाशन की जगह और भाषा की परवाह किए बिना, ये सभी लेख लगभग एक ही पाठ के साथ समाप्त होते हैं: "ठीक है, परिणाम काफी अच्छा है, सब कुछ लगभग काम करता है , आपको बस कुछ हाइपरपैरमीटर को कसने की जरूरत है और सबकुछ ठीक हो जाएगा।"

और, ज़ाहिर है, रेखांकन, जिस पर तंत्रिका नेटवर्क आदर्श रूप से मूल्य को इंगित करता है, जैसे:

और, निराधार नहीं होने के लिए, यहां ऐसे लेखों के उदाहरण हैं: एक , दो , तीन ।

यह सब कब प्रारंभ हुआ

पुराने समय में नई कीमतों की भविष्यवाणी करने का विचार नए से बहुत दूर है। वास्तव में, यह न केवल क्रिप्टोकरेंसी पर लागू होता है। यह सिर्फ इतना हुआ कि वे व्यक्तिगत रूप से मेरे करीब हैं, लेकिन जिसे "तकनीकी विश्लेषण" कहा जाता है, उसकी मातृभूमि, आखिरकार, पारंपरिक आदान-प्रदान है। वे हैं, जहां फिल्मों के अनुसार, वे सभी महंगे परिधानों में हैं, लेकिन साथ ही वे अपने पसंदीदा बैंड के एक संगीत समारोह में लड़कियों की तरह चिल्लाते हैं।

अतीत के अनुसार भविष्य को देखने की कोशिश करते हुए, लोगों ने बड़ी संख्या में सभी प्रकार के मुश्किल ऑसिलेटर, संकेतक, गणितीय आंकड़ों के आधार पर सिग्नलिंग उपकरणों, संभावना सिद्धांत और, कई बार, फ्रैंक पेरेडोलिया का आविष्कार किया ।

शायद सबसे लोकप्रिय आंकड़े की खोज है। पंद्रह मिनट इंटरनेट पर पढ़ना, और अब भी वॉल स्ट्रीट पर! यह बहुत सरल है - आपको बस "बार्ट सिम्पसन के सिर", "तितली", "ध्वज (पच्चर के साथ भ्रमित नहीं होना चाहिए! 11)", "नीला बुर्ज में गिरने वाला" खोजने की आवश्यकता है, कई, कई लाइनों का निर्माण और, काफी खुले रूप से , अपने लाभ के लिए यह व्याख्या!

लगभग इन सभी समाधानों में एक छोटा, लेकिन बहुत घना और गंभीर दोष है - वे पूरी तरह से रुझानों पर कब्जा कर लेते हैं ... तथ्य के बाद । और अगर किसी चीज़ को फिक्सिंग के रूप में घोषित नहीं किया गया है, लेकिन भविष्य कहनेवाला है, तो यह इतनी स्वतंत्र रूप से व्याख्या की जाती है कि दस लोग, एक ही संकेतक के साथ एक ही चार्ट को देखते हुए, दस स्वतंत्र पूर्वानुमान देंगे। और, जो विशेषता है, उनमें से कम से कम एक सही होने की संभावना है!

लेकिन यह तथ्य के बाद भी स्थापित किया जाएगा। और बाकी लोग कहेंगे "आह, ठीक है, हम अनजाने में संकेतों को गलत तरीके से पढ़ते हैं।"

मुझे गलत मत समझो। यह बहुत संभव है कि एक वास्तविक वॉल स्ट्रीट व्यापारी, जिसके पास 20 चीखें हैं और वर्षों में 200 आत्महत्या के प्रयास हैं, एक दूसरे पर संकेतक और ऑसिलेटर के ढेर का अनुमान लगाने की संभावना है, और फिल्म "द मैट्रिक्स" से ऑपरेटर की तरह, उपयोगी है। डेटा एक पर्याप्त उच्च चटाई के साथ सुगंधित है। एक सफल लेनदेन की प्रतीक्षा कर रहा है। मैं यह भी मानता हूं कि विशेष रूप से आप, पाठक भी जानते हैं कि कैसे। व्यंग्य की एक बूंद के बिना, मैं मानता हूं। अंत में, किसी कारण से, उनका आविष्कार किया जा रहा है, सुधार किया गया है, ये संकेतक ...

आधुनिक समस्याओं के लिए आधुनिक समाधान की आवश्यकता है!

वर्ष 2015 तक, सभी ने पहले से ही तंत्रिका नेटवर्क को सुना था। रोसेनब्लट ने कल्पना भी नहीं की थी कि उन्हें कितना सुना जाएगा। जिम्मेदार, पेशेवर, मीडिया-प्रेमी लोगों के लिए धन्यवाद, मानव जाति ने सीखा है कि तंत्रिका नेटवर्क मानव मस्तिष्क का सबसे इलेक्ट्रॉनिक संस्करण है जो किसी भी कार्य को तेजी से और बेहतर तरीके से हल कर सकता है, असीमित क्षमता के साथ और सामान्य तौर पर, हम एक विलक्षणता के माध्यम से सीधे प्रकाश में कूदेंगे। अंधकारमय भविष्य। यहाँ यह कितना भाग्यशाली है

लेकिन वहाँ एक था "लेकिन" कुछ समय के लिए, तंत्रिका नेटवर्क केवल बहुत ही निम्न-स्तरीय रूप में आरक्षित गणितीय पैकेजों में रहते थे, गणितज्ञों और वैज्ञानिकों के साथ मैटलैब्स में ग्राफ़ का समर्थन करते थे।

लेकिन लोकप्रियकरण ने अपना काम किया और उद्योग के लिए स्वतंत्रता के विभिन्न डिग्री के डेवलपर्स का बहुत ध्यान आकर्षित किया। साधारण गणितज्ञों के विपरीत ये वही डेवलपर्स, लोग महान आलसीपन के साथ संपन्न थे, इस मामले पर अमूर्तता के कई स्तरों को फेंकने के तरीकों की तलाश करने लगे, जिससे खुद को और सभी के लिए जीवन आसान हो गया, दुनिया को केरस या एफएएनएन जैसे बहुत सुविधाजनक और उच्च गुणवत्ता वाले उच्च-स्तरीय उपकरण दिखा। इस उत्साह में, वे इतना सफल हो गए कि उन्होंने तंत्रिका नेटवर्क के साथ "बस एक बार और काम करता है" के स्तर पर काम किया, जिससे सभी कॉमर्स के लिए चमत्कार और जादू की दुनिया का रास्ता खुल गया।

यह चमत्कार और जादू है, गणित और तथ्य नहीं।

एक पौराणिक कथा का जन्म

तंत्रिका नेटवर्क सभी के लिए उपलब्ध, करीब और आसानी से उपयोग हो गए हैं। गंभीरता से, FANN कार्यान्वयन PHP के लिए भी है। इसके अलावा, यह बुनियादी एक्सटेंशन की सूची में शामिल है ।

करेस के बारे में क्या? 10 लाइनों में, आप एक पुनरावृत्ति-दोषपूर्ण नेटवर्क एकत्र कर सकते हैं, बिना यह समझे कि कैसे संकल्प काम करते हैं, या LSTM GRU से कैसे भिन्न होता है! हर किसी और हर किसी के लिए कृत्रिम बुद्धि! और किसी को बुरा मत मानो!

मुझे लगता है, भाग में, शब्दावली ने सबसे क्रूर मजाक खेला। तंत्रिका नेटवर्क आउटपुट किसे कहते हैं? हाँ। भविष्यवाणियों। भविष्यवाणियों। एक तंत्रिका नेटवर्क एक डेटा को दूसरे पर निर्भर करता है। यह वही लगता है जो आपको चाहिए ।

उच्च-स्तरीय पुस्तकालयों के लिए नियमावली उपयोगकर्ता को जटिल शब्दों, मैट्रिक्स, वैक्टर, रूपांतरण, अंतर पथरी, इन ग्रेडिएंट्स, गणितीय अर्थों के गणितीय अर्थ और नियमितीकरण के नुकसान से बचाती है।

और, सबसे महत्वपूर्ण बात, वे कठोर वास्तविकता से "मानव मस्तिष्क के इलेक्ट्रॉनिक मॉडल सब कुछ करने में सक्षम" की रोमांटिक छवि की रक्षा करते हैं, जिसमें तंत्रिका नेटवर्क सिर्फ एक सन्निकटन हैं, जो मोटे तौर पर बोल रहा है, एक साधारण रैखिक क्लासिफायर से एक पायदान पर विकासवादी कदम से ज्यादा कुछ नहीं है।

लेकिन इससे कोई फर्क नहीं पड़ता कि आप CIFAR-10 के लिए अपने पहले सॉल्वर को प्रलेखन से लिस्टिंग से इकट्ठा करते हैं, बिना किसी प्रयास के, वास्तव में क्या हो रहा है, यह समझे बिना भी। मन में केवल एक ही विचार है:

मैं क्या कह सकता हूं, मैं क्या कह सकता हूं, लोग इतने व्यवस्थित हैं ...

यहाँ यह एक तकनीकी चमत्कार है! आप इसे इनपुट पर कुछ डेटा देते हैं, अन्य आउटपुट पर, लेकिन यह स्वयं एक कनेक्शन पाता है और इनपुट द्वारा आउटपुट की भविष्यवाणी करना सीखता है । कितनी समस्याओं का हल हो सकता है! कितने कार्यों को समतल किया जा सकता है!

इतनी भविष्यवाणी ! दिलचस्प है, क्या सामान्य रूप से अन्य लोग जानते हैं? इस टूलकिट के साथ, मेरी संभावनाएं अनंत हैं! असीमित!

लेकिन अगर आप क्रिप्टो-एक्सचेंज / स्टॉक एक्सचेंज / फॉरेक्स से मोमबत्तियों के साथ तंत्रिका नेटवर्क को खिलाते हैं, तो इसे अगली समय अवधि से बाहर निकलने के लिए एक मोमबत्ती दे? वह फिर पिछले वाले से नए मूल्यों की भविष्यवाणी करना सीख जाएगी! आखिरकार, यह वही है जो इसके लिए बनाया गया था! एक तंत्रिका नेटवर्क कुछ भी भविष्यवाणी कर सकता है, डेटा होगा, और उद्धरण के इतिहास पर डेटा एक दर्जन से अधिक है! ओह, प्रेरणा, केवल एक पल, लेकिन बहुत सुंदर!

क्यों नहीं?

क्योंकि एक वास्तविक दुनिया में जो मीडिया द्वारा बनाई गई दुनिया से अलग है, यह उस तरह से काम नहीं करता है। तंत्रिका नेटवर्क भविष्यवाणियों के लिए एक मशीन नहीं है। तंत्रिका नेटवर्क सन्निकट हैं। बहुत अच्छे सन्निकट। यह माना जाता है कि तंत्रिका नेटवर्क लगभग कुछ भी अनुमानित कर सकते हैं। केवल एक शर्त के साथ - अगर यह "कुछ" है तो खुद को सन्निकटन के लिए उधार देता है ।

और फिर एक नौसिखिया शोधकर्ता संज्ञानात्मक विकृति के हुक में गिर जाता है। पहली और मुख्य गलती यह है कि ऐतिहासिक उद्धरण डेटा सिर्फ आंकड़ों से अधिक लगता है। आप इस तथ्य के बाद उन पर कई त्रिकोण और तीर खींच सकते हैं कि केवल एक अंधा व्यक्ति जब यह देख रहा है, तो यह स्पष्ट नहीं होगा कि यह सब एक निश्चित तर्क है जिसे बस समय में नहीं गिना जा सकता है। लेकिन जो मशीन को पता हो सकता है।

आंकड़ों को देखते हुए , एक व्यक्ति एक फ़ंक्शन देखता है । जाल पटक दिया।
दूसरी गलती / संज्ञानात्मक पूर्वाग्रह क्या है? लेकिन यहाँ बात है।

और यह मौसम के साथ काम करता है!

यह एक बहुत लगातार तर्क है कि मैं क्रिप्टो समुदायों में सुनता हूं, सांख्यिकीय विश्लेषण विधियों का उपयोग करके ऐतिहासिक डेटा से कुछ भविष्यवाणी करने की संभावनाओं के बारे में संवाद करता है। यह मौसम के साथ काम करता है। विकृति का सार यह है कि "यदि ए बी के लिए काम करता है, लेकिन मुझे लगता है कि बी सी के समान है, तो ए को सी के लिए भी काम करना चाहिए।" एक प्रकार का छद्म परिवर्तनशीलता, जो बी और सी के बीच मतभेदों को समझने वाली प्रक्रियाओं की अपर्याप्त समझ में आराम करता है।

उसी सफलता के साथ, हम मान सकते हैं, उदाहरण के लिए, विमान के कॉकपिट में पैडल ब्रेक और गैस हैं जो एक स्वचालित ट्रांसमिशन के दौरान हैं, और एक क्षैतिज स्टीयरिंग व्हील बिल्कुल नहीं। कुछ चीजों की सहज धारणा, दुर्भाग्यवश, हमेशा सही नहीं होती है, क्योंकि यह हमेशा स्थिति / प्रणाली / वस्तु के बारे में डेटा के काफी पूर्ण सेट पर भरोसा नहीं करती है। हाय बे! क्या हाल है?

आइए सिद्धांत में थोड़ा और गहराई से उतरें।

अराजकता और कानून

ऐसा हुआ कि हमारी वास्तविकता में सभी प्रक्रियाओं और घटनाओं को दो समूहों में वर्गीकृत किया जा सकता है: स्टोचस्टिक और निर्धारक। जैसा कि मैं अस्पष्ट शब्दावली से बचने के लिए कठिन प्रयास करता हूं, आइए उन्हें सरल शब्दों से प्रतिस्थापित करें: अप्रत्याशित और अनुमानित।

जैसा कि ओबी-वान हमें सही बताता है, यह इतना सरल नहीं है। तथ्य यह है कि, वास्तविक दुनिया में, सैद्धांतिक एक नहीं, सब कुछ थोड़ा अधिक जटिल है और पूरी तरह से अनुमान लगाने योग्य और पूरी तरह से अप्रत्याशित प्रक्रियाएं बस मौजूद नहीं हैं। अधिकतम के रूप में, अर्ध-पूर्वानुमान और अर्ध-अप्रत्याशित हैं। खैर, यह है, यहाँ लगभग अप्रत्याशित और लगभग अनुमानित हैं। लगभग लगभग, लेकिन नहीं।

उदाहरण के लिए, बर्फ ऊपर-नीचे से अर्ध-अनुमानित रूप से गिरती है। लगभग 100% मामलों में देखा गया। लेकिन मेरी रसोई की खिड़की में नहीं! वहाँ यह हवा के प्रवाह और घर के आकार की विशेषताओं के कारण नीचे से ऊपर तक झपकी लेता है। लेकिन हमेशा नहीं! इसके अलावा लगभग 100% मामलों में, लेकिन हमेशा नहीं। कभी-कभी मेरी रसोई की खिड़की में भी यह गिर जाता है। ऐसा लगता है कि इस तरह की एक साधारण बात है, लेकिन दो अलग-अलग मामलों में एक ही पर्यवेक्षक के लिए, पूरी तरह से अलग तरह से व्यवहार करता है, और दोनों व्यवहार सामान्य हैं और लगभग 100% संभावना के साथ अर्ध-अनुमानित हैं, हालांकि वे एक दूसरे के साथ पूरी तरह से विरोधाभास करते हैं । बुरा नहीं? अर्ध-पूर्वानुमानित घटना से पता चला ... अर्ध-अप्रत्याशित? आगे और भी।

इस पल में, हमारे दोस्त बेयस हंसने लगते हैं। अप्रत्याशित घटनाओं के बारे में क्या? मैं उपसर्ग "अर्ध" का उपयोग नहीं करूंगा, ठीक है? हर कोई पहले से ही समझता है कि मेरा मतलब है। अच्छा यहाँ। पूरी तरह से अप्रत्याशित कुछ ले लो। ब्राउनियन गति? एक पूरी तरह से अप्रत्याशित प्रणाली का एक बड़ा उदाहरण। यह इसलिए है? आइए क्वांटम भौतिकविदों से पूछें:

तथ्य यह है कि, सैद्धांतिक रूप से, यहां तक कि एक वास्तविक स्तर पर ब्राउनियन गति के रूप में ऐसी जटिल प्रणाली, भविष्य में या अतीत में किसी भी समय इस प्रणाली की स्थिति का मॉडल और भविष्यवाणी कर सकती है। सिद्धांत रूप में। अंधेरे देवताओं के लिए गणना, क्षमता, समय और बलिदान कितना आवश्यक है, इसके बारे में, हम चतुराई से चुप रहते हैं।

और एक पूर्वानुमान योग्य, सामान्य मामले में, सिस्टम, जो अप्रत्याशित हो जाता है यदि आप विशेष मामलों के स्तर को कम करते हैं, तो वास्तव में काफी पूर्वानुमान है यदि आप बाहरी कारकों को शामिल करने के लिए किसी विशेष मामले के अवलोकन के दायरे का विस्तार करते हैं, तो इस विशेष मामले में सिस्टम का अधिक पूर्ण विवरण प्राप्त करते हैं ।

खैर, सच्चाई यह है कि किसी विशेष स्थान पर हवा के प्रवाह की बारीकियों को जानने के बाद, आप आसानी से बर्फ की उड़ान की दिशा का अनुमान लगा सकते हैं। किसी विशेष स्थान के "राहत" की बारीकियों को जानने के बाद, कोई भी हवा के प्रवाह की दिशा का अनुमान लगा सकता है। इलाके की बारीकियों को जानने के बाद, कोई भी इलाके की बारीकियों का अनुमान लगा सकता है। इत्यादि इत्यादि। उसी समय, हमने फिर से ज़ूम इन करना शुरू किया, लेकिन अब एक विशिष्ट घटना के लिए। इस घटना के व्यवहार की "सामान्य" परिभाषा से इसे अलग करना। किसी ने, बेयस को रोक दिया, उसके पास एक हमला है!

तो हमें क्या मिलता है? कोई भी प्रणाली एक साथ या किसी अन्य डिग्री के लिए एक साथ अनुमानित और अप्रत्याशित है, अंतर केवल टिप्पणियों के पैमाने और प्रारंभिक डेटा की पूर्णता का वर्णन है।

मौसम पूर्वानुमान और विनिमय व्यापार का इससे क्या लेना-देना है?

जैसा कि हमें पहले पता चला, एक पूर्वानुमान और अप्रत्याशित प्रणाली के बीच की रेखा बेहद पतली है। लेकिन मौसम के पूर्वानुमान और व्यापार को विभाजित करने वाली रेखा खींचने के लिए पर्याप्त मजबूत है।

जैसा कि हम पहले से ही जानते हैं, यहां तक कि वास्तव में सबसे अप्रत्याशित प्रणाली में पूरी तरह से पूर्वानुमानित टुकड़े होते हैं। इसे मॉडल करने के लिए, इन टुकड़ों के पैमाने पर नीचे जाने के लिए पर्याप्त है, अवलोकन के दायरे का विस्तार करें, पैटर्न को समझें और उन्हें अनुमानित करें, उदाहरण के लिए, एक तंत्रिका नेटवर्क का उपयोग करके। या काफी विशिष्ट सूत्र प्राप्त करें जो आपको वांछित मापदंडों की गणना करने की अनुमति देता है।

और यहां मौसम पूर्वानुमान और मूल्य पूर्वानुमान के बीच मुख्य अंतर निहित है - सबसे बड़ा पूर्वानुमानित नकली घटक का पैमाना। मौसम के पूर्वानुमान के लिए, इन घटकों का पैमाना ऐसा है कि वे अच्छी तरह से हैं ... उन्हें पृथ्वी की कक्षा से नग्न आंखों से देखा जा सकता है। और जो दिखाई नहीं देता है, उदाहरण के लिए, तापमान और आर्द्रता, मौसम स्टेशनों के लिए धन्यवाद, वास्तविक समय में पूरे ग्रह में भी मापा जा सकता है। व्यापार के लिए, इस पैमाने ... उस पर बाद में।

चक्रवात यह नहीं कहेगा कि "मैं थक गया हूँ, मैं जा रहा हूँ," एक अप्रत्याशित समय पर नीले रंग से गायब हो रहा है। ग्रह के एक विशेष गोलार्ध द्वारा सूर्य से प्राप्त होने वाली ऊष्मा की मात्रा समान पैटर्न के साथ बदलती रहती है। एक ग्रहों के पैमाने पर वायु द्रव्यमान की गति को परमाणु सिमुलेशन की आवश्यकता नहीं है और मैक्रो स्तर पर काफी सिम्युलेटेड है। "मौसम" नामक एक प्रणाली, जो पृथ्वी पर एक विशिष्ट बिंदु के पैमाने पर एक यादृच्छिक घटना है, अधिक वैश्विक पैमानों पर काफी अनुमानित है। और फिर भी, इन भविष्यवाणियों की सटीकता कुछ दिनों से अधिक की दूरी पर वांछित होने के लिए छोड़ देती है। हालांकि, यह प्रणाली पूर्वानुमेय है, बहुत जटिल है, ताकि इसे किसी भी समय उचित सटीकता के साथ तैयार किया जा सके ।

और यहां हम भविष्यवाणियों के मॉडल की एक और महत्वपूर्ण संपत्ति पर आते हैं।

भविष्यवाणियों की आत्मनिर्भरता या स्वायत्तता

यह संपत्ति, सामान्य रूप से, काफी सरल है - एक आत्मनिर्भर पूर्वानुमान प्रणाली, या एक आदर्श पूर्वानुमान प्रणाली , बाहरी डेटा के बिना कर सकती है, प्रारंभिक स्थिति की गिनती नहीं।

वह पूरी तरह से सही है। राज्य एन में सिस्टम के गुणों की भविष्यवाणी करने के लिए, राज्य एन -1 में गणना डेटा प्राप्त करने के लिए उसके लिए पर्याप्त है। और N की स्थिति को जानकर आप N + 1, +2, + m प्राप्त कर सकते हैं।

ऐसी प्रणालियों में शामिल हैं, उदाहरण के लिए, कोई गणितीय प्रगति। राज्य को संदर्भ बिंदु पर और घटनाओं की एक श्रृंखला में इस बिंदु की संख्या को जानने के बाद, कोई भी आसानी से किसी अन्य बिंदु पर राज्य की गणना कर सकता है। ठंडा!

और यह इस सवाल का जवाब भी है कि मौसम की भविष्यवाणी नाटकीय रूप से समय पर लंबी दूरी पर क्यों गिरती है। भविष्य को देखते हुए, हम सिस्टम की वास्तविक स्थिति के आधार पर पूर्वानुमान का निर्माण करते हैं, लेकिन पूर्वानुमानित पर। इसके अलावा, 100% सटीकता के साथ नहीं, दुर्भाग्य से। नतीजतन, हमें पूर्वानुमान त्रुटियों के संचय का प्रभाव मिलता है । लेकिन यह इस तथ्य के बावजूद है कि हम लगभग सभी महत्वपूर्ण "चर" जानते हैं और सिस्टम के विवरण को लगभग "पूर्ण" कहा जा सकता है।

उद्धरण के बारे में क्या?

और उद्धरण के साथ, चीजें बहुत बदतर हैं। तथ्य यह है कि मौसम की भविष्यवाणी में, लगभग सभी प्राप्त और अनुमानित आंकड़े घटनाओं का कारण और प्रभाव दोनों हैं। पिछले चरण की घटनाओं का परिणाम, अगले चरण की घटनाओं का कारण। इसके अलावा, उन महत्वपूर्ण डेटा और घटनाएं जो कारण और प्रभाव दोनों नहीं हैं, सबसे अधिक संभावना है कि वे केवल एक शक्तिशाली पेलोड का कारण और वहन करते हैं। उदाहरण के लिए, एक समय में सूर्य से प्राप्त होने वाली ऊष्मा की मात्रा। और यह अविभाज्य है। यह ऐसा है जो ऐसे पूर्वानुमानों के आत्मनिर्भरता संकेतक को बढ़ाता है। परिणाम अगले चरण में घटनाओं के कारण में बहता है। यह एक पूरी तरह से गैर-मार्कोव प्रक्रिया है जिसे अंतर समीकरणों द्वारा वर्णित किया जा सकता है।

जबकि उद्धरण के आँकड़े मुख्य रूप से या तो केवल परिणाम हैं, या 50 \ 50 हैं । उद्धरणों की वृद्धि, उद्धरणों में और वृद्धि का कारण बन सकती है और एक कारण बन सकती है। और यह भड़काने और कारण नहीं हो सकता है। और यह लाभ लेने को उकसा सकता है और परिणामस्वरूप, कीमतों में गिरावट। एक्सचेंजों पर ऐतिहासिक डेटा ठोस दिखते हैं। वॉल्यूम, कीमतें, "चश्मा", इतने सारे नंबर! इनमें से अधिकांश, कुछ भी नहीं के लिए अच्छे हैं, केवल परिणाम, घटनाओं और कारणों की गूंज, इन आंकड़ों के विमान से परे झूठ बोल रही है । बिल्कुल अलग पैमाने पर। बिल्कुल अलग दायरे में।

भविष्य के उद्धरणों को मॉडलिंग करते समय, हम केवल उन घटनाओं के परिणामों पर भरोसा करते हैं जो खरीद मात्रा के सिर्फ प्रतिशत विचलन की तुलना में बहुत अधिक जटिल हैं।मूल्य ही आकार नहीं देता है । इसे खुद से अलग नहीं किया जा सकता है। यदि बाजार को एक रूपक झील के रूप में व्यक्त किया जाता है, तो स्टॉक चार्ट पानी पर सिर्फ लहर है। हो सकता है कि इस हवा ने विस्फोट किया हो, हो सकता है कि उन्होंने पानी में एक पत्थर फेंका हो, हो सकता है कि मछली फूट गई हो, हो सकता है कि गॉडजिला ट्रम्पोलिन पर 200 किलोमीटर की दूरी पर कूद जाए। हम केवल चीर-फाड़ देखते हैं। लेकिन इस लहर में, हम 4 दिनों में हवा की ताकत की भविष्यवाणी करने की कोशिश कर रहे हैं, एक महीने में पानी में फेंकने वाले पत्थरों की संख्या, कल के अगले दिन मछली की मनोदशा, या हो सकता है कि दिशा गॉडजिला जाएगी जो वह कूदते हुए थक गई। वह करीब आ जाएगा और ट्रम्पोलिन को फिर से तैनात करेगा - लहर मजबूत हो जाएगी! प्रवृत्ति को पकड़ो, हॉप हॉप हॉप!

यह एक बहुत महत्वपूर्ण मुद्दा है:

, , , .

दूसरे शब्दों में, आप सिस्टम को पर्याप्त रूप से पूरा विवरण दिए बिना अच्छी तरह से मॉडल नहीं कर सकते।

दुर्भाग्य से, बाजार के मामले में सिस्टम के अधिकतम संभव सिम्युलेटेड घटक का पैमाना मनुष्य के लिए नीचे आता है। किसी व्यक्ति के प्रति नहीं, बल्कि उसकी मनोचिकित्सा स्थिति पर, जिस पर बाजार के व्यवहार की प्रतिक्रिया निर्भर करती है, और जो इस बहुत ही प्रतिक्रिया से, स्वयं बाजार को प्रभावित करेगा। परिणाम में बहने वाला बहुत कारण! केवल हजारों, यदि लाखों अद्वितीय नहीं हैं, तो अलग-अलग लोगों को मॉडलिंग करनी होगी। व्यक्तिगत समस्याओं, भावनाओं, हार्मोनल पृष्ठभूमि, बातचीत, रोजमर्रा की गतिविधि के साथ।

और यह सिर्फ वैश्विक स्तर पर बाजार में व्यापारियों के बारे में नहीं है। यह विशिष्ट परियोजनाओं के पीछे के लोगों के बारे में भी है। यह भविष्य में परियोजनाओं की समस्याओं और सफलताओं के बारे में है। यह एक ही भविष्य में महत्वपूर्ण घटनाओं के बारे में है। घटनाएँ, कभी-कभी बहुत अप्रत्याशित होती हैं। यह पता चला है कि भविष्य की भविष्यवाणी करने के लिए, हमें भविष्य को जानने की आवश्यकता है।

कुल मिलाकर, हमें प्रेक्षित स्थितियों का एक क्षेत्र चाहिए, जो हमारे लिए पूरी तरह से दुर्गम हो। सिमुलेशन का पैमाना, जो हमारे लिए पूरी तरह से अप्राप्य है।

ठीक है, अर्थात्, सिद्धांत रूप में, प्राप्त करने योग्य। ब्राउनियन आंदोलन, सिद्धांत रूप में, एक बहुत ही नकली और अनुमानित प्रणाली भी है, याद है? फिर इस तरह के सिमुलेशन के व्यावहारिक कार्यान्वयन की कीमत याद रखें। विनिमय मोमबत्तियों के साथ तंत्रिका नेटवर्क को खिलाने की प्रक्रिया की तुलना में यह कीमत निषेधात्मक रूप से अधिक है। कम से कम इस लेखन के समय।

लेकिन ग्राफिक्स के बारे में क्या?

वास्तव में। इस लेख की शुरुआत में, हमने 100% के साथ स्थानों पर सीमा के साथ, अत्यधिक उच्च सटीकता वाले चार्ट प्रस्तुत किए।

आइए फिर से उन्हें देखें:

क्या देखती है? करीब से देखो। महान संयोग है, है ना? एकदम सही, एकदम सही। और पहले और दूसरे ग्राफ पर, तंत्रिका नेटवर्क स्वाभाविक रूप से एक कदम आगे उद्धरणों से आगे है!

याद रखें, मैंने तंत्रिका नेटवर्क के साथ काम करने के लिए उच्च-स्तरीय पुस्तकालयों का उल्लेख किया है, और फिर इससे लेख के पाठ में कोई विकास नहीं हुआ? अब इसे प्राप्त करें। किसी भी चीज की व्यापक उपलब्धता, निश्चित रूप से औसत उपयोगकर्ता के प्रशिक्षण के लिए बार को कम करती है। यही बात तंत्रिका नेटवर्क के साथ भी होती है। "केगल कर्नेल" एक रिकॉर्ड है। किसी भी गैर-संकीर्ण-खंड अनुभाग को केवल समाधान के टन में दफन किया जाता है, जिनमें से अधिकांश में लेखकों को पता नहीं है कि वे क्या कर रहे हैं। और नीचे से, प्रत्येक निर्णय को उन लोगों की प्रशंसात्मक टिप्पणियों के स्तंभों द्वारा समर्थित किया जाता है जो इस मुद्दे को कम समझते हैं। "महान काम, आपको क्या चाहिए!", "मैं इतने लंबे समय से अपने कार्यों के लिए उपयुक्त कर्नेल की तलाश में था, यहाँ यह है! और इसका उपयोग कैसे करें? आदि।

इस बीच कुछ खोजने के लिए वास्तव में दिलचस्प और सुंदर बहुत मुश्किल है।

<उन्मत्त स्नोबेरी>
नतीजतन, हमारे पास ऐसी घटना है जो लोग आसानी से एक जटिल गणितीय उपकरण के साथ संचालित करते हैं, लेकिन रेखांकन पढ़ने में सक्षम नहीं हैं ।
</ रबीद स्नोबेरी>

आखिरकार, एक्स पैमाने पर समय दाईं ओर बढ़ता है, और एक भविष्यवाणी, आदर्श रूप से , घटना से पहले प्राप्त की जानी चाहिए ।

बस हाइपरपैरमीटर अभी तक मुड़ नहीं है

जब हमारे तंत्रिका नेटवर्क अभिसरण के संकेत दिखाते हैं तो हम सभी खुश होते हैं। लेकिन बारीकियां हैं। प्रोग्रामिंग के रूप में इस तरह, एक नियम है "शुरू का अर्थ अर्जित नहीं होता है।" जब हम सिर्फ प्रोग्रामिंग सीखना शुरू कर रहे हैं, तो हम इस तथ्य से बेहद प्रसन्न हैं कि संकलक / दुभाषिया यह समझने में सक्षम था कि हम इसमें क्या फिसल गए और हमें त्रुटियां नहीं दीं। गठन के इस स्तर पर, हम मानते हैं कि एक कार्यक्रम में त्रुटियां केवल वाक्यात्मक हैं।

तंत्रिका नेटवर्क के डिजाइन में, सब कुछ समान है। केवल संकलन के बजाय अभिसरण है। इसने काम किया - इसका मतलब यह नहीं है कि हमें वास्तव में सीखने की ज़रूरत है। तो यह क्या सीखा?

इस तरह के सुंदर ग्राफिक्स को देखने वाले एक अनुभवहीन शोधकर्ता के सामने आने की संभावना है। लेकिन कम या ज्यादा अनुभवी, सतर्क, क्योंकि इतने सारे विकल्प नहीं हैं:

नेटवर्क स्पष्ट रूप से "पुन: उपयोग" के बजाय "निरर्थक" के अर्थ में मुकर जाता है:
नेटवर्क शिक्षण विधियों में एक दोष का शोषण करता है
नेटवर्क ने एक्सचेंज ग्रिल का अनुमान लगाया है और किसी भी समय बाजार की स्थिति का अनुमान लगाने में सक्षम है, "केवल एक मोमबत्ती से एक अंतहीन चार्ट" फैलाना।

आपको क्या लगता है, कौन सा विकल्प वास्तविकता के करीब है? दुर्भाग्य से, तीसरा नहीं । हाँ, नेटवर्क वास्तव में सीखा है। वह वास्तव में आश्चर्यजनक रूप से सटीक परिणाम देता है, लेकिन क्यों?

यद्यपि कृत्रिम तंत्रिका नेटवर्क "मानव मस्तिष्क का इलेक्ट्रॉनिक मॉडल" नहीं हैं, फिर भी वे "मन" के कुछ गुणों का प्रदर्शन करते हैं। असल में, यह "आलस्य" और "चाल" है। और उस समय पर ही। और ये आत्म-जागरूकता के सैकड़ों "न्यूरॉन्स" के एक जोड़े में उभरने के परिणाम नहीं हैं। ये इस तथ्य के परिणाम हैं कि "अनुकूलन" शब्द वास्तव में लोकलुभावन शब्द "शिक्षा" के पीछे छिपा है।

एक तंत्रिका नेटवर्क एक छात्र नहीं है जो अध्ययन कर रहा है, यह समझने की कोशिश कर रहा है कि हम उसे क्या समझा रहे हैं, कम से कम इस लेखन के समय। एक तंत्रिका नेटवर्क वजन का एक समूह है, जिसके मानों को इस तरह से समायोजित या अनुकूलित किया जाना चाहिए ताकि संदर्भ परिणाम के सापेक्ष तंत्रिका नेटवर्क के परिणाम की त्रुटि को कम किया जा सके।

हम तंत्रिका नेटवर्क को एक कार्य देते हैं, और फिर हम इसे "परीक्षा पास करने" के लिए कहते हैं। "परीक्षा" के परिणामों के अनुसार, हम यह तय करते हैं कि यह कितना सफल है, ठीक है कि "परीक्षा" की तैयारी की प्रक्रिया में, हमारे नेटवर्क ने पर्याप्त ज्ञान, कौशल और अनुभव प्राप्त कर लिया है।

कैच देखें? नहीं? हाँ, यहाँ यह सतह पर है! जबकि आपका लक्ष्य आपके नेटवर्क को उपयोगी कौशल सिखाना है, आपकी राय में, इसका लक्ष्य परीक्षा उत्तीर्ण करना है ।

कीसी भी की म त प र। किसी भी तरह से। शायद, फिर भी, कुछ छात्रों के साथ वह दो पैराग्राफों में पहले की तुलना में सामान्य रूप से अधिक थी ...

तो आप कुख्यात परीक्षा कैसे उत्तीर्ण करते हैं?

याद

इस तरह की अविश्वसनीय सटीकता के संभावित कारणों की सूची में पहला विकल्प। कृत्रिम तंत्रिका नेटवर्क के लगभग किसी भी नौसिखिए शोधकर्ता को निश्चित रूप से पता है कि इसमें जितने अधिक न्यूरॉन्स होंगे, उतना बेहतर होगा। और, और भी बेहतर, जब इसमें कई परतें हों।

लेकिन यह इस तथ्य को ध्यान में नहीं रखता है कि न्यूरॉन्स और परतों की संख्या न केवल "अमूर्त सोच" के क्षेत्र में नेटवर्क क्षमता को बढ़ाती है, बल्कि इसकी स्मृति की मात्रा भी। यह आवर्तक नेटवर्क के लिए विशेष रूप से सच है, क्योंकि उनकी मेमोरी क्षमता वास्तव में राक्षसी है।

परिणामस्वरूप, अनुकूलन प्रक्रिया के दौरान, यह पता चला है कि सबसे इष्टतम हैपरीक्षा पास करने का विकल्प है ... नियमित रूप से क्रैम्पिंग या "ओवरफिटिंग", "ओवरफिटिंग"। नेटवर्क बस दिल से सभी "सही जवाब" सीखना होगा। उन सिद्धांतों को बिल्कुल नहीं समझना जिनके द्वारा वे बने हैं। नतीजतन, जब एक डेटा नमूने पर नेटवर्क का परीक्षण किया जाता है जो पहले कभी नहीं देखा गया था, तो नेटवर्क बकवास करना शुरू कर देता है।

इस कारण से, गहन / विस्तृत नेटवर्क के प्रशिक्षण के लिए आपको बहुत अधिक डेटा की आवश्यकता है, आपको नियमितीकरण की आवश्यकता है, आपको न्यूनतम त्रुटि सीमा पर नियंत्रण की आवश्यकता है, जो छोटा होना चाहिए, लेकिन बहुत अधिक नहीं। और, और भी बेहतर, नेटवर्क के आकार और समाधान की गुणवत्ता के बीच सही संतुलन का पता लगाएं।

अच्छा। हम विचार करेंगे। हम अतिरिक्त परतों को बाहर फेंक देंगे। वास्तुकला सरल है। हम सभी तरह की चालों को लागू करेंगे। क्या अब यह काम करेगा? एक तथ्य नहीं है। आखिरकार, आसान परीक्षा विकल्पों की सूची में नंबर दो पर:

शिक्षक को बाहर करना

चूंकि एक तंत्रिका नेटवर्क का वर्गीकरण प्रक्रिया के लिए नहीं मिलता है, लेकिन परिणाम के लिए, जिस प्रक्रिया से यह प्राप्त होता है, वह उस डेवलपर से थोड़ा भिन्न हो सकता है जो डेवलपर का इरादा है। यह इन खूबसूरत जानवरों के साथ काम करने के सबसे उलट क्षणों में से एक है - जब नेटवर्क ने सीखा है, लेकिन ऐसा नहीं है।

जब आप पाठ्यक्रम की भविष्यवाणियों के साथ ग्राफ़ देखते हैं जो वास्तविक पाठ्यक्रम को पूरी तरह से दोहराते हैं, तो सोचें कि आपने तंत्रिका नेटवर्क को क्या सिखाया है? कीमतों की भविष्यवाणी करने के लिए सुपर सटीक? या शायद उन्हें सिर्फ एक तोते की तरह दोहराएं?

सुनिश्चित करें कि नेटवर्क, जिसमें प्रशिक्षण सेट पर लगभग 100% सटीकता है और परीक्षण सेट पर समान है, बस वह सब कुछ दोहराता है जो वह देखता है। ऐसे नेटवर्क जिनमें भविष्यवाणी ग्राफ को एक कदम समय के लिए दाईं ओर स्थानांतरित किया जाता है (रेखांकन 1 और 2 के उदाहरण) बस पिछले चरण से मूल्य मूल्य दोहराते हैं, जो उन्हें एक नए में दिया जाता है। बेशक, रेखांकन बहुत उत्साहजनक है, और लगभग पूरी तरह से मेल खाते हैं, लेकिन उनके पास कोई पूर्वानुमानित शक्ति नहीं है। कल की कीमत की घोषणा आप आज खुद कर सकते हैं, इसके लिए आपको हॉगवर्ट्स या पोलिश पलान्टिर में अध्ययन करने की आवश्यकता नहीं है, है ना?

लेकिन यह तब होता है जब आप उन्हें मौजूदा चरण के मूल्य की तुलना करते हुए पिछले चरण से मान देते हैं। कभी-कभी लोग वर्तमान कदम से केवल एक मूल्य देते हैं, अगले चरण के साथ तुलना करते हैं। इस मामले में, हमें सुंदर ग्राफ़ मिलते हैं जो मूल लोगों से लगभग पूरी तरह से मेल खाते हैं (ग्राफ़ 3 और 4 के उदाहरण)।

कभी-कभी आप ऐसे ग्राफ़ देख सकते हैं जो पूरी तरह से मेल नहीं खाते हैं, नरम, जैसे कि चिकना, प्रक्षेपित । यह आमतौर पर एक पुनरावर्ती नेटवर्क का एक स्पष्ट संकेत है जो एक नए परिणाम को पिछले एक (ग्राफ उदाहरण 3) के साथ जोड़ने की कोशिश कर रहा है।

इन सभी परिणामों में केवल एक चीज सामान्य है - तंत्रिका नेटवर्क ने 5-प्लस परीक्षा पास करना सीख लिया है। लेकिन उसने उस कार्य को हल करना नहीं सीखा जो उसे आवश्यक था और शोधकर्ता के लिए किसी भी व्यावहारिक लाभ को सहन नहीं करता है। एक छात्र की तरह, लेकिन एक धोखा शीट के साथ, है ना?

नेटवर्क पिछले मानों को क्यों दोहराता है, और नए को उत्पन्न करने की कोशिश नहीं करता है? हां, प्रशिक्षण के दौरान, वह उचित निष्कर्ष पर पहुंचती है, आमतौर पर, ग्राफ पर अगले बिंदु के लिए निकटतम बिंदु पिछले एक है। हां, इस मामले में त्रुटि का परिमाण तैरता है, लेकिन यह, एक बड़े नमूने पर, एक अर्ध-यादृच्छिक प्रक्रिया में अगले राज्य की भविष्यवाणी करने की कोशिश करते समय त्रुटि के परिमाण से काफी छोटा है ।

तंत्रिका नेटवर्क पूरी तरह से सामान्य कर सकते हैं। इस तरह का एक सामान्यीकरण समस्या का एक उत्कृष्ट समाधान है।

काश, कोई फर्क नहीं पड़ता कि आप हाइपरपरमेटर्स को कैसे मोड़ते हैं, भविष्य उसके लिए नहीं खुलेगा। चार्ट समय में एक कदम पीछे नहीं हटेगा। हां, ग्रिल इतना करीब है, लेकिन अभी तक।

रूक जा। नहीं नहीं नहीं। लेकिन एल्गोरिथम ट्रेडिंग के बारे में क्या? वह मौजूद है!

बिल्कुल सही। बेशक यह मौजूद है। लेकिन मुख्य बिंदु यह है कि यह एल्गोरिथम ट्रेडिंग एल्गोरिथम विभाजन के समान नहीं है । एल्गोरिथम ट्रेडिंग इस तथ्य पर आधारित है कि मौजूदा समय में ट्रेडिंग सिस्टम बाजार का विश्लेषण करता है, जिससे बड़ी संख्या में उद्देश्य मापदंडों और अप्रत्यक्ष संकेतों के आधार पर लेनदेन को खोलने और बंद करने का निर्णय लिया जाता है।

हां, यह, तकनीकी रूप से, बाजार के व्यवहार की भविष्यवाणी करने का एक प्रयास भी है, लेकिन, पहले से दिनों और महीनों के लिए भविष्यवाणियों के विपरीत, व्यापार प्रणाली सबसे स्वीकार्य छोटे समय अंतराल पर काम करने की कोशिश करती है।

मौसम की भविष्यवाणी याद है? याद रखें कि इसकी सटीकता नाटकीय रूप से लंबी दूरी पर गिरती है? यह दोनों तरह से काम करता है। दूरी जितनी कम होगी, सटीकता उतनी ही अधिक होगी। आप खिड़की से बाहर देख रहे हैं, यहां तक कि एक मौसम विज्ञानी होने के बिना भी, भविष्यवाणी कर सकते हैं कि हवा का तापमान एक सेकंड में क्या होगा, है ना?

लेकिन ये कैसे काम करता है? क्या यह सब उसके विपरीत नहीं है जो कहा गया है? लेकिन पानी पर लहर के बारे में क्या, डेटा की कमी के बारे में कैसे? गॉडज़िला के बारे में, आखिरकार!

लेकिन नहीं, कोई विरोधाभास नहीं हैं। जब तक ट्रेडिंग बॉट बहुत छोटे अंतराल पर काम करता है, वास्तव में छोटा है, एक मिनट से दूसरे के अंश तक, प्रकार के आधार पर, इसे भविष्य जानने की जरूरत नहीं है और बाजार की पूरी तस्वीर होने की आवश्यकता नहीं है। उसके लिए यह समझने के लिए पर्याप्त है कि उसके आसपास की प्रणाली कैसे काम करती है। किन परिस्थितियों में बेहतर है कि इसमें एक सौदा खोला जाए, जिसमें बंद किया जाए। एक ट्रेडिंग बॉट इतने छोटे पैमाने पर संचालित होता है कि इसका दृश्य क्षेत्र स्वीकार्य छोटी दूरी पर एक सफल निर्णय लेने के लिए पर्याप्त कारकों को कवर करने में सक्षम है। और ऐसा करने के लिए, उसे सिस्टम की वैश्विक स्थिति को जानने की आवश्यकता नहीं है।

निष्कर्ष

लेख बड़ा निकला। जितना मुझे उम्मीद थी उससे कहीं ज्यादा। मुझे उम्मीद है कि यह किसी के लिए उपयोगी होगा और किसी ऐसे व्यक्ति के लिए समय बचाने में मदद करेगा जिसने पवित्र कंघी बनानेवाले की रेती की खोज में अपनी किस्मत आजमाने का फैसला किया है।

आइए मुख्य बिंदुओं पर प्रकाश डालें:

गॉडज़िला में एक ट्रैम्पोलिन है
आपको यह समझने की ज़रूरत है कि आप जिन उपकरणों के साथ समस्या का समाधान करते हैं
प्रयोज्यता की सीमाओं को समझना आवश्यक है और इस तरह से समस्या की सॉल्वैबिलिटी का पर्याप्त रूप से आकलन करना चाहिए
टूलकिट के परिणामों की सही व्याख्या करने में सक्षम होना महत्वपूर्ण है
तंत्रिका नेटवर्क फ़ंक्शन सन्निकटनकर्ता हैं, भविष्य के भविष्यवक्ता नहीं
$f(x)=x$ और $f(x_n)=x_{n-1}$ - ये भी फ़ंक्शन हैं
किसी सिस्टम की स्थिति का अनुकरण करने के लिए, आपको इस सिस्टम के विवरण का पूर्ण या पास होना आवश्यक है
सांख्यिकी - प्रणाली के परिणामों का केवल एक आंशिक, चयनात्मक विवरण
एक अच्छा पूर्वानुमान प्रणाली मध्यम रूप से आत्मनिर्भर होना चाहिए
तंत्रिका नेटवर्क को एक शब्द के लिए नहीं लिया जा सकता है, वे कपटी, चालाक और आलसी हैं
ऐ आप व्यापार में मदद करना चाहते हैं? उसे व्यापार करना सिखाएं

अंत तक पढ़ने वाले सभी को धन्यवाद!

पीएस नहीं, यह "वीएस तकनीकी के मौलिक विश्लेषण" के बारे में एक लेख नहीं है। यह लेख "चमत्कार नहीं हैं।"

क्या तंत्रिका नेटवर्क बिजली के पैसे का सपना देखते हैं?