예측을위한 신경망 시작하기

시계열 예측에 신경망을 사용하려면 몇 가지 리소스가 필요합니다. 나는 약간의 논문을 구현 한 다음 그들이 그들의 방법의 잠재력을 과장되게 언급했다는 것을 알고 조심한다. 따라서 방법에 대한 경험이 있다면 훨씬 더 훌륭 할 것입니다.

다음은 좋은 빠른 소개 입니다. 신경망 소개. R에는 신경망 기능이 있으므로 NN을 구현하고 애플리케이션에 유망한 것으로 판단 될 때까지 NN을 구현하는 데 시간을 소비 할 필요가 없습니다.

신경망은 오래되지는 않았지만 두 번의 과대 광고주기를 거쳤으며 주장 된대로 모든 것을하지 않는다는 것을 알게 된 후 그들의 명성은 잠시 동안 여물통에 들어갑니다 (우리는 현재 그 중 하나입니다) . 신경망은 특정 작업에 적합하며 일반적으로 사람이 유사한 작업을 수행 할 수 있지만 작업을 정확히 수행 할 수없는 작업에는 더 좋습니다.

신경망은 훈련을 받고 제대로 작동 한 후에도 분석에 사용하는 시스템에 대한 통찰력을 제공하지 않습니다. 즉, 그들은 어떤 시스템에서 어떤 일이 일어날 지 예측할 수 있지만 그 이유를 말해주지는 않습니다. 어떤 경우에는 괜찮습니다. 다른 경우에는 좋지 않습니다. 일반적으로 원하는 경우 또는 특히 작동 방식에 대한 규칙을 이미 알고있는 경우 다른 기술을 사용할 수 있습니다.

그러나 특정 작업의 경우 잘 작동합니다.

특히 시계열에 대해서는이 질문의 토론을 참조하십시오. 시계열 분석에 반복 신경망을 사용하는 올바른 방법

시계열 예측보다는 통계적 패턴 인식에 중점을 두지 만 Chris Bishop의 Neural Networks for Pattern Recognition 은 일반적으로 신경망에 대한 가장 좋은 소개이기 때문에 강력히 권장 합니다. 보다 간단한 상황에서 신경망을 사용할 때 발생할 수있는 함정을 파악하기 위해 문제를보다 쉽게 ​​시각화 할 수 있습니다. 그런 다음 Mandic와 Chambers의 반복적 인 신경망에 관한 책으로 넘어가십시오 . 주교 책은 고전적이며, 아무도 그 책에 포함 된 자료를 이해한다고 확신 할 때까지 신경망을 사용해서는 안됩니다. ANN은 발로 자신을 촬영하기가 너무 쉽습니다!

나는 또한 mbq에 동의하지 않으며, nn은 더 이상 사용되지 않지만, 많은 문제는 선형 모델이나 더 현대적인 기계 학습 기술 (예 : 커널 방법)로 더 잘 해결되지만 잘 작동하는 문제가 있고 다른 방법은 그렇지 않습니다. 여전히 도구 상자에 있어야하는 도구입니다.