Генетический алгоритм. Урок 9. Исследуем нейросеть

Что бы смотреть урок полностью, подпишитесь на платный раздел.

В платном разделе статья находиться здесь.

На прошлом уроке мы попробовали при помощи генетического алгоритма обучать биржевую нейросеть торговать на искусственных котировках (в целях экспериментирования и отладки). Так как этим мы ничего не добились, то сегодня займемся кое какими исследованиями.

Но сначала немного забежим вперед и озаботимся тем, что бы нейронные сети можно было бы сохранять и загружать. Для этого создадим отдельный проект GAlgoritm и перенесем туда файлы, касающиеся нейронной сети*:

Кинем на форму меню, создадим у него пункты "Сохранить", "Загрузить", а так же "Анализ"....

...

Теперь посмотрим какую нибудь нейросеть:

Как видим, выходной сигнал вообще не зависит от входного. Сам входной сигнал, напомню, выглядит вот так:

Попробуем пропустить несколько поколений и посмотреть график выходного сигнала лучшей нейросети:

Как видим, тоже самое. Видимо, наша нейросеть построена так, что входной сигнал не влияет на то, что на выходе, а вероятность того, что случайными мутациями она превратиться в нормальную нейросеть, крайне мала. Поэтому мы следующем уроке мы попробуем нейросети других конфигураций.

Скриншоты, помеченные знаком *, являются цитатами и иллюстрациями  программного продукта "Microsoft Visual Studio 2010 Professional", авторское право на который принадлежит корпорации Microsoft..