🚀 go-pugleaf

No, no es exactamente l�ggica difusa lo que estaba pensando meter. M�s bien
entradas binarias.

El problema con esta aproximaci�n, dejando aparte qeu no creo que un
perceptron con retropropagaci�n pudiera aproximarla, yo estaba m�s bien
pensando usar el algoritmo Q con una CMAC, es que si solo introduces a la
red datos puramente num�ricos sacados de las cotizaciones diarias, eso es
demasiado vago para que la red Neuronal pueda aprender nada. Hay otros datos
aparte de las cotizaciones que influyen en las mismas, bajadas del precio
del dinero, guerras, catastrofes a�reas. Si tienes una red neuronal solo con
cotizaciones, y pasa una cosa de estas y no hay ninguna entrada que la
codifique, los nuevos datos que se introducen al entrenamiento no seran
comprendidos por la red y desvirtuaran todo el aprendizaje anterior.

el problema estriba en, cuales son esos datos, como se introducen, cuanto
influyen... Si se puede averiguar eso...

Tampoco me importaria probar con una red de Kohonen, pero definitivamente no
con un algoritmo de propagaci�n. Me programe uno y para tareas sencillas
funcionaba de miedo pero me dio muchisimos problemas.

Sobre la documentaci�n, no la quiero especialmente en espa�ol, en ingles me
resulta perfecta. Tienes papers cientificos?? Se que hay una conferencia
anual sobre la aplicacion de Redes Neuronales a la Bolsa, pero los papers de
la conferencia son dificilismos de conseguir.

Comprarme un libro, aunque sea caro, me da un poco igual, es una inversion,
no?? ;-))

Saludos,

Sergio

Sergio
"Strips" <strips@wanadoo.es> a �crit dans le message news:
9v31us$src$1@news.wanadoo.es...
>     Respecto al programa que me pides, estar�a gustoso de poder pasartelo,
> aunque son unos cuantos megas. La versi�n de que dispongo es una versi�n
> demo, que me ven�a en un libro de Redes Neuronales que compre: Redes
> Neuronales y Sistemas Borrosos, de Ra-Ma.
> De todas, formas te doy la direcci�n donde puedes descargartelo:
www.nd.com
>
>     En cuanto a la documentaci�n, desgraciadamente en este pa�s escasea
(si
> es que la quieres en Espa�ol), tan s�lo he podido encontrar libros
> interesantes en una librer�a en todo Madrid, D�az de Santos, eso s�, en
> ingl�s, y a precios prohibitivos (la mayor�a de los libros interesantes no
> bajaban de las 38.000 ptas, incluso llegue a ver ejemplares a 50.000
ptas).
>
>     Por otro lado, y respondiendo a tu pregunta, me imagino que cuando te
> refieres a entradas no n�mericas, te estar�s refiriendo a datos
> cualitativos; no soy un doctor en RNA, pero me temo que eso no es posible,
> los datos deben de ser num�ricos. Para solucionar esto, podr�as enlazar
las
> salidas de un controlador Fuzzy (o borroso), con las entradas a la Red
> Neuronal. Si desconoces la l�gica Fuzzy, puedes intentar comprarte el
libro
> que te he comentado inicialmente, aunque a mi personalmente, no me gusta
> nada; de todas formas te dar� unas direcciones m�s abajo, respecto al
tema.
> Para que te hagas una idea, la l�gica Fuzzy consiste en tratar informaci�n
> imprecisa, estatura media, temperatura baja, .., en t�rminos de conjuntos
> borrosos (imprecisos), acerc�ndose al razonamiento humano. Respecto al
> perceptr�n multicapa, yo creo que esa estructura (con dos capas ocultas) y
> usando como algoritmo de aprendizaje, el algoritmo de retropropagaci�n,
> podr�a solucionar tu problema, aunque siempre puedes recurrir a
> arquitecturas m�s complejas, como redes adaptativas, mapas de Kohonen, ...
> En cuanto al n�mero de neuronas por capa, me temo que esa soluci�n s�lo te
> la puede dar la experiencia, y el m�todo de ensayo-error, con esto, te
> quiero decir, que no existen reglas (que yo sepa) a la hora de dise�ar una
> RNA para un problema concreto, es m�s, a parte del dise�o de la Red,
> posteriormente te debes enfrentar a la inicializaci�n de los pesos que
> conforman cada una de las capas, y esto es tan importante como lo primero,
> ya que en base a dichos pesos, el tiempo de aprendizaje puede aumentar o
> disminuir de forma considerable. De todas formas, no conozco en detalle lo
> que intentas hacer, si me dieras alguna pista, podr�a intentar darte
alguna
> idea m�s.
>
>     Aqu� te van algunas p�ginas de l�gica Fuzzy:
>
>     http://www.fuzzytech.com
>
>     http://www.aptronix.com/fide/fide.htm
>
>     http://www.ortech-engr.com/fuzzy/TilShell.html
>
>     http://www.eufit.org/
>
>
>
>
>