Я прочитал несколько идей относительно правильного размера выборки для Нейронных сетей Feed Forward. x5, x10 и x30 - количество весов. Эта часть меня не слишком беспокоит, я беспокоюсь о том, могу ли я повторно использовать свои данные обучения (случайно).Повторное использование данных скольжения для нейронной сети для временных рядов?
Мои данные разбиты как так
5 независимых переменных и зависимой 1 вар на образец.
Я планировал на кормление 6 образцов в (6х5 = 30 входных нейронов), подтверждают зависимую переменную 7-образцов (1 выходной нейрон.
Я бы поезд на нейронной сети, выполнив сказать, 6 или 7 итераций. Перед пытаясь предсказать следующую итерацию вне моих обучающих данных.
Скажем, у меня есть
каждого образца = 5 независимых переменных & 1 зависимые переменные (6 вары общая на образец)
Выход = только 1 зависимой переменной
Образец: Образец: Образец: Образец: Образец: ственном образце> Выход (в зависимости от вар)
Обучение скользящего окна 1:
Набор 1: 1: 2: 3: 4: 5: 6-> 7
Набор 2: 2: 3: 4: 5: 6: 7-> 8
Набор 3: 3: 4: 5: 6: 7: 8- > 9
Комплект 4: 4: 5: 6: 7: 8: 9-> 10
Набор 5: 5: 6: 7: 6: 9: 10-> 11
Набор 6: 6: 7: 8: 9: 10: 11-> 12
Номера подготовки испытаний: 7: 8: 9: 10: 11: 12 -> 13
Обучение Раздвижные окна 2:
Набор 1: 2: 3: 4: 5: 6: 7-> 8
Набор 2 : 3: 4: 5: 6: 7: 8-> 9
...
Набор 6: 7: 8: 9: 10: 11: 12-> 13
Non тест Обучение: 8: 9: 10: 11: 12: 13-> 14
Я подумал, что я бы случайно пропустил мой набор упражнений на итерацию в 30 раз больше моих весов. Я верю в свою сеть, у меня около 6 скрытых нейронов (т. Е. Sqrt (входы * выходы)). Таким образом, смещение 36 + 6 + 1 + 2 = 45. Так 44 х 30 = 1200 работает?
Таким образом, я бы сделал рандомизацию 6 наборов 1200 раз за каждое раздвижное окно тренировки.
Я понял из-за небольшого количества данных, я собирался выполнить симуляционные прогоны (т. Е. Повторить ту же проблему с новыми весами). Так скажите 1000 раз, из которых я делаю 1140 пробегает скользящее окно, используя рандомизацию.
У меня есть 113 переменных, это приводит к 101 тренировочному «скользящему окну».
Другой вопрос, который у меня есть, заключается в том, что я пытаюсь предсказать движение вверх или вниз (то есть зависимую переменную). Должен ли я соответствовать фактическому # или просто, если я правильно угадал движение вверх/вниз? Я думаю, что я должен снимать для фактического числа, но, как часть моего анализа, проверяйте%, если это правильно угадывается как вверх/вниз.
Я мог бы сделать больше «наборов», но было бы стыдно, что вам нужно было сделать более 10 наборов за «окно обучения». Я скажу, что 113 месяцев я хочу предсказать цену на следующий месяц.С множественной регрессией я смог сделать это за 6 месяцев, чтобы предсказать 7-е. Я решил, что смогу сделать это с помощью ann's и что будет достаточно изменений в данных между 6 наборами за «окно обучения» ... Я бы хотел использовать RPROP, но у меня возникли проблемы с его внедрением. Тогда, возможно, я мог бы тренировать ванну на 2 случайных наборах в каждом «окне обучения» – thistleknot
обобщение не имеет большого значения. Сеть предназначена только для конкретной проблемной области. В моем случае, только для следующего набора данных. Сеть не будет переноситься или использоваться для любых новых данных, кроме этого «7-го» набора для каждого «скользящего окна». Я хочу, чтобы он был обобщен для этой цели. Я достиг чего-то подобного в многократном регрессионном анализе на маленьких «скользящих окнах» 6 месяцев, каждый из которых предсказал 7-й месяц. – thistleknot