SOINNに慣れていない人のために、これは自己組織化インクリメンタルニューラルネットワークと呼ばれる比較的新しいタイプのニューラルネットワークであると言います。これは自己組織化、成長中のニューラルネットワークです。
アルゴリズム取引に従事し、かなり長い間、古典的な指標とテクニカル分析手法に基づいて取引ロボットを構築しました。 その過程で、さまざまな記事を読みながら、トレーダーがさまざまな程度の成功を収めるために使用するニューラルネットワークへの参照に出会いました。 このトピックは私を魅了しました。
貿易でAIを使用する可能性から離れる。
ニューラルネットワークで見つけたものをすべて読み直してから、NeuroSolutionパッケージをインストールし、同時にTraidingSolutionを使用して、コートダジュールの別荘を選択し始めました...
しかし、すべてが想像したほど単純で高速ではありませんでした。 まず、ネットワークのデータを提示する問題に遭遇しました。 それらをどのようにスケーリングするかではなく、ネットワークがどのようなデータを表していて、それらを使用して価格変更チャートで興味のあるポイントを見つけることができます。
概して、これはネットワークを使用する前に解決する必要がある最初で最も重要なタスクです。 そうしないと、「入り口のゴミ-出口のゴミ」という古典的な状況が発生します。
この問題を解決するために、ネットワークのさまざまな方法と種類のデータ表現を試す必要がありました。 最終的に、そのような方法が見つかりました。 詳細には触れませんが、ネットワークのデータを準備するためには、ネットワーク自体の実装とはまったく関係のない、かなり複雑なプログラムを作成するしかありませんでした。
次にトレーニングに行きました。 古典的なネットワークは少数のニューロンで使用されていました。 最終的に、ネットワークのトレーニング用に送信された新しいデータが古いデータをプッシュするという事実に出会いました。
それから、SOINNに関する日本人/中国人科学者の記事に出会いました。 さらに、この記事は、長谷川研究室のウェブサイトに、C ++での単層SOINNの実装例のコードが掲載されていることを示しました。 私はこのサイトに急いで行きましたが、その時までに例はすでにそこから削除されていました。
しかし、ルネットを称賛！ ロボット工学のサイトで、私たちの愛好家の1人が長谷川のSOINNのクリーンアップされた例をプラス彼自身のユースケースを投稿しました。
私は、自己啓発型ネットワークのアイデアが本当に好きでした。これは、新しい知識を得るにつれて「愚か」ではありません。 レイアウトされたライブラリーを基礎として、SOINN実装を作成しました。
最初のテストは励みになりました。 私は教師とネットワークを教える方法を使用しました。 ネットワークは非常に迅速に（従来のネットワークと比較して）調査し、ソースデータで興味のあるパターンを見つけました。
SOINNは、定義上、データを分類（クラスター化）するように設計されたネットワークです。 したがって、以前に解決されたデータ述語のタスク（価格チャートの方向を予測）から、私は拒否しました。 これで、パターン認識の問題、つまり正しいパターンを見つけることが解決されました。 すぐに、グラフの形状を認識することについて話していないことを予約してください。 ネットワークが探しているパターンは、販売または購入の最も成功したポイントを特徴付けるかなり大きなデータの集合です。
ただし、著者によってレイアウトされたSOINNの例には、単層のSOINNの変形が含まれていますが、従来のSOINNには2つの層が含まれている必要があります。 さらに、明らかに例を簡単にするために、数学的な説明で説明されているアルゴリズムの一部はコードに実装されていません。 そのため、いくつかのモジュールを独自の機能で補完し、2層の学習アルゴリズムを実装する必要がありました。
現在、訓練されたSOINNに基づいた取引ロボットは完成段階にあります。 予備的な結果は有望です。
zkolenkoのSOINN に関する記事の有用性と完全性に注目せざるを得ません。 以前に見つけたので、SOINNとそれに関連するすべてのことを勉強する時間を大幅に節約できたでしょう。
SOINNでの私の経験
All Articles