Öngörme için sinir ağlarına başlarken

Sinir ağlarını zaman serisi tahmini için kullanmaya başlamak için bazı kaynaklara ihtiyacım var. Biraz kağıt uygulamaktan ve yöntemlerinin potansiyelini fazlasıyla ifade ettiklerini öğrenmekten çekiniyorum. Bu nedenle, yöntemlerle ilgili deneyiminiz varsa, daha da harika olacağını önerirsiniz.

— Richard Hardy
kaynak

Lütfen NN'lerin oldukça ... eski olduğunu unutmayın.

@jason, NN sadece fazla

— uyuşmakla kalmayıp aynı zamanda

NN'ler tamamen eski değil. Şu anda ML topluluğu tarafından ele alınan çeşitli önemli kriterlerde en iyi puanları elinde bulunduruyorlar. Ayrıca, en iyi çok amaçlı farklılaştırılabilir fonksiyon tahmincisi. Bengio'nun, Hinton'un ve lecun'un son 5 yıldaki gruplarının çalışmalarına göz atın.

— bayerj

Bengio & Lecun gazetesini okudum ve fikrimi biraz değiştirdi, ancak yaptıkları tarihsel sinir ağlarından oldukça farklı. OP, tek değişkenli zaman serileri ile çalışabilecek ve aslında zaman serileri hakkında yararlı bilgiler veren (DLM'ler akla geliyor) zaman serileri ile çalışmak istiyor. Zaman serisinin kendisinin ötesinde verileriniz varsa, basit ve aydınlatıcı olan çeşitli diğer yöntemleri (LM'ler, vb.) Kullanabilirsiniz. Anlaşılabilir bir şey yapabildiğinizde neden etiketlenmemiş kadranlı bir kara kutu kullanıyorsunuz?

— Wayne

Elbette 80'lerde / 90'larda kullanılan sinir ağları bugün kullandığınızdan farklıdır ve hala çok aktif bir araştırma alanıdır. Ayrıca, yorumlanabilirliği önemsediğinizde asla sinir ağlarını kullanmazsınız. Tahmin hatasını önemsediğinizde bunları kullanırsınız. Sinir ağları hızlıdır ve diğer yöntemlerin başarısız olduğu sorunları çözer. Güzeldirler çünkü modellemekte olduğunuz verilerle ilgili herhangi bir varsayım eksikliğinden dolayı kavramsal bir perspektiften basittirler (kare hatasıyla kullanıldığında Gauss gürültüsü hariç). Kendi değerleri ve kusurları var.

— bayerj

Yanıtlar:

İşte size hızlı bir giriş: sinir ağlarına giriş. R'nin sinir ağı işlevselliğine sahip olduğunu unutmayın, bu yüzden bir spin verene ve uygulamanız için umut verici göründüğüne karar verene kadar NN'yi uygulamak için zaman harcamanıza gerek yoktur.

Sinir ağları eski değildir, ancak birkaç yutturmaca döngüsünden geçtiler ve daha sonra iddia edildiği gibi her şeyi yapmadıklarını fark ettikten sonra, itibarları bir süredir bir çukurda (şu anda bunlardan birindeyiz) . Sinir ağları belirli görevlerde iyidir ve genellikle bir insanın benzer bir işi yapabileceği, ancak tam olarak nasıl yaptığını açıklayamadığı görevler için daha iyidir.

Sinir ağları, iyi bir şekilde eğitilip çalıştırıldıktan sonra bile analiz etmek için kullandığınız sistem hakkında size fazla bir fikir vermez. Yani, ne olacağını (bazı sistemler için) tahmin edebilirler, ancak size nedenini söyleyemezler. Bazı durumlarda, sorun değil. Diğerlerinde, bu iyi değil. Genel olarak, isterseniz veya özellikle bir şeyin nasıl işlediğine ilişkin kuralları zaten biliyorsanız, diğer teknikleri kullanabilirsiniz.

Ancak, belirli görevler için iyi çalışırlar.

Özellikle zaman serileri için şu sorunun tartışmasına bakın: Zaman serisi analizi için tekrarlayan sinir ağını kullanmanın uygun yolu

— rossdavidh
kaynak

İstatistiksel örüntü tanıma üzerine odaklanmış olsa da, zaman serisi tahmini yerine , genel olarak sinir ağlarına en iyi giriş olduğundan Chris Bishop'un Örüntü Tanıma için Sinir Ağları kitabını şiddetle tavsiye ederim ve bence bu iyi bir fikir olabilir. daha basit bir bağlamda sinir ağlarının kullanımındaki potansiyel tuzaklarla başa çıkmak, sorunların daha kolay anlaşılabileceği bir yer. Ardından Mandic ve Chambers tarafından tekrarlayan sinir ağları kitabına geçin . Piskopos kitabı bir klasiktir, kimse bu kitapta bulunan materyali anladıklarından emin olana kadar sinir ağlarını hiçbir şey için kullanmamalıdır; YSA, kendinizi ayağınızdan vurmayı çok kolay hale getirir!

Ayrıca mbq ile aynı fikirde değilim, nn eski değil, birçok problem doğrusal modeller veya daha modern makine öğrenme teknikleri (örneğin çekirdek yöntemleri) ile daha iyi çözülürken, iyi çalıştıkları ve diğer yöntemlerin işe yaramadığı bazı sorunlar var. Araç kutularımızda olması gereken bir araçtır.

— Dikran Keseli
kaynak