最近我强迫我的神经网络学习异或函数,但现在我想预测给定日期的货币汇率。对于XOR函数来说很容易,因为输入和输出落在[0; 1)之间。外汇汇率预测
汇率: 应该对输入和输出进行归一化处理吗?如果是的话如何?网络应该有多少层?有多少输入 - 我在考虑1个输入(时间或某种表示)。
我打算使用:多层网络,sigmoid函数,带有nesterov动量的梯度下降。
最近我强迫我的神经网络学习异或函数,但现在我想预测给定日期的货币汇率。对于XOR函数来说很容易,因为输入和输出落在[0; 1)之间。外汇汇率预测
汇率: 应该对输入和输出进行归一化处理吗?如果是的话如何?网络应该有多少层?有多少输入 - 我在考虑1个输入(时间或某种表示)。
我打算使用:多层网络,sigmoid函数,带有nesterov动量的梯度下降。
如果您使用公开可用的数据,则您的预测在实际情况下注定会失败。它通常与试图在观看后视镜时驾驶汽车相比。一个好的模型可以让你比“天真”的拍摄有轻微的优势,即第二天的汇率将与前一天相同。关于你提到的几件提示:
关于如何设计它和层数的问题是一些大型文章和书籍的主题,几乎没有问题。一旦你有了你的设计和结果,我肯定社区会乐于提出一些改进并指出问题。
为什么预测注定要失败?这只是一个尝试使用神经网络尝试更先进的东西的实验。我想知道如何执行标准化?所以我已经下载了给定期间的汇率,主要是二维数据:x系列是日期,y是比率,例如样本输入是[2017-05-12; 4.12。那么这个样本如何转换为ANN的输入呢? – Macko
对不起,但这不是一个编程问题。 –
不要对不起,机器学习是关于编程:) – Macko
不,不是真的。 –