เริ่มต้นกับเครือข่ายประสาทเทียมสำหรับการพยากรณ์


16

ฉันต้องการทรัพยากรบางอย่างเพื่อเริ่มต้นใช้งานโครงข่ายประสาทเทียมสำหรับการพยากรณ์อนุกรมเวลา ฉันระแวดระวังในการนำกระดาษมาใช้แล้วพบว่าพวกเขาได้ระบุถึงศักยภาพของวิธีการอย่างมาก ดังนั้นหากคุณมีประสบการณ์เกี่ยวกับวิธีการที่คุณแนะนำมันจะยอดเยี่ยมยิ่งขึ้น


โปรดทราบว่า NNs ค่อนข้าง ... ล้าสมัย

2
@ Jason, NN ได้รับการขนานนามว่าเป็น "การถดถอยโดยไม่มีจริยธรรม" เนื่องจากไม่เพียง แต่ทำให้พอดี แต่ทำผิดพลาดในการ "เชื่อข้อมูล" แทนที่จะ "ท้าทายข้อมูลเพื่อความมั่นคงของสัญญาณ"
IrishStat

13
NN ไม่มีทั้งหมดล้าสมัย พวกเขาได้รับคะแนนที่ดีที่สุดในการวัดผลมาตรฐานที่สำคัญหลายประการที่ชุมชน ML กำลังเผชิญอยู่ในขณะนี้ และเป็นตัวประมาณฟังก์ชั่นการหาค่าฟังก์ชันเอนกประสงค์ที่ดีที่สุด ตรวจสอบผลงานของ Bengio's, Hinton's และ lecun's group ในช่วง 5 ปีที่ผ่านมา
bayerj

1
ฉันอ่านหนังสือพิมพ์ Bengio & Lecun และมันเปลี่ยนความคิดของฉันเล็กน้อย แต่สิ่งที่พวกเขากำลังทำนั้นค่อนข้างแตกต่างจากอวนประสาททางประวัติศาสตร์ OP ต้องการทำงานกับอนุกรมเวลาซึ่งมีวิธีการหลายอย่างที่สามารถทำงานกับอนุกรมเวลาที่ไม่เปลี่ยนแปลงและให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับอนุกรมเวลา (DLMs เป็นหลัก) หากคุณมีข้อมูลนอกเหนือจากอนุกรมเวลาคุณสามารถใช้วิธีการอื่น ๆ (LMs และอื่น ๆ ) ที่ตรงไปตรงมาและให้ความกระจ่าง เหตุใดจึงต้องใช้กล่องดำที่ไม่มีแป้นหมุนหมายเลขเมื่อคุณสามารถทำสิ่งที่เข้าใจได้
เวย์น

8
แน่นอนว่าโครงข่ายประสาทที่ใช้ในยุค 80/90 นั้นแตกต่างจากสิ่งที่คุณใช้ในปัจจุบันและพวกมันยังคงเป็นพื้นที่การวิจัยที่กระตือรือร้นมาก นอกจากนี้คุณไม่เคยใช้เครือข่ายประสาทเมื่อคุณสนใจเกี่ยวกับการตีความ คุณใช้พวกเขาเมื่อคุณใส่ใจกับข้อผิดพลาดในการทำนาย โครงข่ายประสาทเทียมนั้นรวดเร็วและแก้ปัญหาวิธีอื่นไม่ได้ พวกเขาดีเพราะง่ายจากมุมมองแนวคิดเนื่องจากไม่มีข้อสันนิษฐานเกี่ยวกับข้อมูลที่คุณกำลังสร้างแบบจำลอง (ยกเว้นเสียงแบบเกาส์เซียนเมื่อใช้กับข้อผิดพลาดกำลังสอง) พวกเขามีข้อดีและข้อบกพร่องของตนเอง
bayerj

คำตอบ:


10

ต่อไปนี้เป็นคำแนะนำโดยย่อที่ดี: บทนำเกี่ยวกับเครือข่ายประสาท โปรดทราบว่า R มีฟังก์ชั่นเครือข่ายนิวรัลดังนั้นไม่จำเป็นต้องใช้เวลาในการติดตั้ง NN ด้วยตัวคุณเองจนกว่าคุณจะได้หมุนและตัดสินใจว่ามันน่าจะเหมาะกับการใช้งานของคุณ

เครือข่ายประสาทไม่ล้าสมัย แต่พวกเขาผ่านรอบสองรอบ hype แล้วหลังจากตระหนักว่าพวกเขาไม่ได้ทำทุกอย่างตามที่อ้างสิทธิ์ชื่อเสียงของพวกเขาไปสู่รางในขณะที่ (ขณะนี้เราอยู่ในหนึ่งในนั้น) . โครงข่ายประสาทเทียมนั้นดีในบางงานและโดยทั่วไปจะดีกว่าสำหรับงานที่มนุษย์สามารถทำงานที่คล้ายกัน แต่ไม่สามารถอธิบายได้อย่างชัดเจนว่าพวกมันทำงานอย่างไร

เครือข่ายนิวรัลไม่ได้ให้ข้อมูลเชิงลึกเกี่ยวกับระบบที่คุณใช้เพื่อวิเคราะห์แม้ว่าพวกเขาจะได้รับการฝึกฝนและทำงานได้ดี นั่นคือพวกเขาสามารถคาดการณ์ได้ว่าจะเกิดอะไรขึ้น (สำหรับบางระบบ) แต่ไม่บอกสาเหตุ ในบางกรณีนั่นเป็นเรื่องปกติ ในคนอื่นนั้นไม่เป็นไร โดยทั่วไปถ้าคุณต้องการหรือโดยเฉพาะอย่างยิ่งถ้าคุณมีความเข้าใจในกฎของการทำงานบางอย่างแล้วคุณสามารถใช้เทคนิคอื่น ๆ

แต่สำหรับงานบางอย่างพวกเขาทำงานได้ดี

สำหรับอนุกรมเวลาโดยเฉพาะให้ดูการอภิปรายของคำถามนี้: วิธีที่เหมาะสมในการใช้เครือข่ายประสาทกำเริบสำหรับการวิเคราะห์อนุกรมเวลา


6

ในขณะที่เพ่งความสนใจไปที่การจดจำรูปแบบทางสถิติมากกว่าการคาดการณ์อนุกรมเวลาฉันขอแนะนำอย่างยิ่งให้หนังสือของ Chris Bishop สำหรับโครงข่ายประสาทสำหรับการจดจำรูปแบบเพราะมันเป็นการแนะนำที่ดีที่สุดสำหรับเครือข่ายประสาททั่วไปและฉันคิดว่ามันเป็นความคิดที่ดี เพื่อจัดการกับข้อผิดพลาดที่อาจเกิดขึ้นในการใช้โครงข่ายประสาทเทียมในบริบทที่เรียบง่ายกว่าซึ่งปัญหาจะเข้าใจได้ง่ายขึ้น จากนั้นย้ายไปยังหนังสือเกี่ยวกับเครือข่ายประสาทกำเริบโดยMandic และให้เช่า หนังสืออธิการเป็นหนังสือคลาสสิกไม่มีใครควรใช้ตาข่ายประสาทเพื่ออะไรจนกว่าพวกเขาจะรู้สึกมั่นใจว่าพวกเขาเข้าใจเนื้อหาที่มีอยู่ในหนังสือเล่มนั้น ANN ทำให้ทุกอย่างง่ายเกินไปที่จะยิงตัวเองในเท้า!

ฉันไม่เห็นด้วยกับ mbq, nn ไม่ล้าสมัยในขณะที่ปัญหามากมายแก้ไขได้ดีกว่าด้วยโมเดลเชิงเส้นหรือเทคนิคการเรียนรู้ของเครื่องจักรที่ทันสมัยกว่า (เช่นวิธีเคอร์เนล) มีปัญหาบางอย่างที่พวกเขาทำงานได้ดีและวิธีการอื่น ๆ ทำไม่ได้ มันยังคงเป็นเครื่องมือที่ควรอยู่ในกล่องเครื่องมือของเรา

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.