28 ответов в эту тему

[Staller]

Прогнозы на основе самообучающейся нейронной компьютерной сети.
Собственно суть в заглавии топика. Из личных наблюдений (визуальных и на бэктесте) - добротные предсказания исхода матча. Наиболее надежные при проценте, указанном системой 60+ и до 70. Не плохое попадание в тоталы, при вероятности прогноза 70-80%. Система хостится в США. Пока абсолютно бесплатна.
В целом очень любопытно, надо тестировать.

soccer1x2.net/?for-day=26-02-13&order_by=H

[Sector]

Fleetwood vs Cheltenham - вероятность П1 НОЛЬ процентов при 90% на ТМ2,5
И чего-то у них суммарная вероятность не составляет 100%
Походу никакими нейронами там и не пахнет, а тупо визуализируется какая-то поганая экселевская таблица, суммирующая результаты 5 последних игр

Отредактировано Sector, 26 February 2013 - 19:26.

[Nemo]

Staller, on 26 February 2013 - 19:01, сказал:

Прогнозы на основе самообучающейся нейронной компьютерной сети.
Собственно суть в заглавии топика. Из личных наблюдений (визуальных и на бэктесте) - добротные предсказания исхода матча. Наиболее надежные при проценте, указанном системой 60+ и до 70. Не плохое попадание в тоталы, при вероятности прогноза 70-80%. Система хостится в США. Пока абсолютно бесплатна.
В целом очень любопытно, надо тестировать.

soccer1x2.net/?for-day=26-02-13&order_by=H

Интересно кто у кого и что стырил:
prosoccer.eu

[pozitrone23]

до чего наука дошла. : )

Там Likи сверху, по ним можно судить кто раньше

Отредактировано Илья Проняшин, 26 February 2013 - 21:02.

[triggers]

Sector, on 26 February 2013 - 19:23, сказал:

Fleetwood vs Cheltenham - вероятность П1 НОЛЬ процентов при 90% на ТМ2,5
И чего-то у них суммарная вероятность не составляет 100%
Походу никакими нейронами там и не пахнет, а тупо визуализируется какая-то поганая экселевская таблица, суммирующая результаты 5 последних игр

Кстати, давно хотел тебя спросить, Sector, как ты относишься к прогнозированию на основе нейронных сетей? Странно, что ты так мягко выразился по этому поводу

[Sector]

triggers, on 27 February 2013 - 09:26, сказал:

Кстати, давно хотел тебя спросить, Sector, как ты относишься к прогнозированию на основе нейронных сетей? Странно, что ты так мягко выразился по этому поводу

А тут когда Анна приходила я ей все высказал уже, у ней тоже нейросети были. К любому прогнозированию я отношусь одинаково

[ISUNTURU]

По ссылке, кстати, есть результаты прогнозирования за прошлые дни.
Мягко говоря, не очень, совсем не очень.
Похоже на банальную тыканину, щедро приправленную "высоким штилем" и "вумными словами".

[Noname]

triggers, on 27 February 2013 - 09:26, сказал:

Кстати, давно хотел тебя спросить, Sector, как ты относишься к прогнозированию на основе нейронных сетей? Странно, что ты так мягко выразился по этому поводу

Нашел у кого спросить!
Это же Д`Артаньян!
Что ты хочешь услышать в ответ?

[fantozzzy]

а что это за нейронные сети такие? это что-то конкретное или просто название такое.чтоб никто ничего не понял?

[triggers]

Noname, on 28 February 2013 - 12:10, сказал:

Нашел у кого спросить!
Это же Д`Артаньян!
Что ты хочешь услышать в ответ?

Ну вот я и удивился, что мушкетер так мягко выразился выше. Показалось

[Bambuk]

fantozzzy, on 28 February 2013 - 15:48, сказал:

а что это за нейронные сети такие? это что-то конкретное или просто название такое.чтоб никто ничего не понял?

ДЛЯ ОБЩЕГО РАЗВИТИЯ

Из рисунка видно, что искусственный нейрон, так же, как и живой, состоит из синапсов, связывающих входы нейрона с ядром, которое осуществляет обработку входных сигналов и аксона, который связывает нейрон с нейронами следующего слоя. Каждый синапс имеет вес, который определяет, насколько соответствующий вход нейрона влияет на его состояние.

Нейронные сети возникли из исследований в области искусственного интеллекта, а именно, из попыток воспроизвести способность биологических нервных систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга Основной областью исследований по искусственному интеллекту в 60-е - 80-е годы были экспертные системы. Такие системы основывались на высокоуровневом моделировании процесса мышления (в частности, на представлении, что процесс нашего мышления построен на манипуляциях с символами). Скоро стало ясно, что подобные системы, хотя и могут принести пользу в некоторых областях, не ухватывают некоторые ключевые аспекты человеческого интеллекта. Согласно одной из точек зрения, причина этого состоит в том, что они не в состоянии воспроизвести структуру мозга. Чтобы создать искусственный интеллект, необходимо построить систему с похожей архитектурой.

Как правило, нейронная сеть используется тогда, когда неизвестен точный вид связей между входами и выходами, - если бы он был известен, то связь можно было бы моделировать непосредственно. Другая существенная особенность нейронных сетей состоит в том, что зависимость между входом и выходом находится в процессе обучения сети. Для обучения нейронных сетей применяются алгоритмы двух типов (разные типы сетей используют разные типы обучения): управляемое ("обучение с учителем") и не управляемое ("без учителя"). Чаще всего применяется обучение с учителем.

Способность нейронной сети ---- делать точный прогноз на данных, не принадлежащих исходному обучающему множеству (но взятых из того же источника). Обычно это качество сети достигается разбиением имеющихся данных на три подмножества; первое из них используется для обучения сети, второе - для кросс-проверки алгоритма обучения во время его работы, и третье - для окончательного независимого тестирования.

На несколько минут обратимся к фундаментальным вопросам математики. В 1900 г. гениальный немецкий математик Давид Гильберт в своем докладе на Международном конгрессе математиков в Париже сформулировал 23 нерешенные задачи, которые он считал наиболее важными в математике того времени. Эти задачи получили название “проблемы Гильберта” и оказали огромное влияние на развитие всей математики XX века. До сих пор не все проблемы Гильберта полностью решены, а многие из них побудили ученых к созданию совершенно новых теорий. Как выяснилось в последние годы, теория нейросетей также связана с одной из этих проблем, а именно с тринадцатой. Тринадцатую проблему Гильберта можно сформулировать так. Верно ли, что существует непрерывная функция от трех переменных, которая не может быть представлена в виде композиции непрерывных функций от двух переменных? Под композицией функций понимается подстановка одной функции в качестве аргумента другой. Например, функция трех переменных F(x, y, z) = xz + yz может быть представлена в виде композиции функций двух переменных F(x, y, z) = S(M(x, z), M(y, z)), где M(x, z) = xz, а S(a, = a + b. Тринадцатая проблема Гильберта была решена в 1957 г. тогдашним студентом мехмата МГУ, а в последствии академиком Владимиром Игоревичем Арнольдом. Он показал, что любая непрерывная функция трех переменных представляется в виде композиции непрерывных функций двух переменных. Таким образом, гипотеза Гильберта была опровергнута. В том же 1957 г. советский математик Андрей Николаевич Колмогоров доказал гораздо более сильную теорему.

Теорема Колмогорова (о которой часто не задумываются практики) служит математической основой нейронных сетей.

Теорема Колмогорова утвержает, что любая непрерывная функция, определенная на n-мерном единичном кубе, может быть представлена в виде суммы 2n+1 суперпозиций непрерывных и монотонных отображениий единичных отрезков.

Состояние нейрона определяется по формуле S-x1*w1+x2*w2+...+xn*wn (1)

где

n – число входов нейрона

xi – значение i-го входа нейрона

wi – вес i-го синапса

Затем определяется значение аксона нейрона по формуле Y = f(S) (2)

Где f – некоторая функция, которая называется активационной. Наиболее часто в качестве активационной функции используется так называемый сигмоид.

Делал разные нейросети гонял и нейропакетами и в экселе делал--вывод: Дрочилово в окрестности 0 по линии 1Х2 сеть давала ответ на каждый матч В Н или П.
Дополнительными примочками можно выйти на 52-53% в среднем.....но гимора!!!!!!
Самый хороший результат угадывыния по турам получился такой (например 0,6 означает угадано 6 из 10) 18туров 180 пар но в целом дела обстоят хуже чем я ожидал и моделями намного лучше и гибше можно работать чем нейросетями. о тут конечно важно что подаёшь и как обучаешь, а это всё--ЛУННЫЙ ФАКТОР для лиг.

180p

0,6

0,5

0,6

0,5

0,5

0,6

0,5

0,3

0,4

0,6

0,4

0,6

0,5

0,6

0,5

0,5

0,7

0,4

Attached File(s)

•  нейро.jpg   18.67K   5 Количество загрузок

Отредактировано Bambuk, 02 March 2013 - 14:02.

[Bambuk]

Ради объективности стоит заметить что можно попробовать нейросети в других спортивных соревнованиях ибо---данные технологии уже достаточно давно применяются к спортивному прогнозированию на Западе, приведем несколько фактов:

• Don Emmons из Детройта построил нейронную сеть, позволяющую на скачках предугадывать лошадь-победителя. ИНС (Искусственная Нейронная Сеть), анализируя предыдущие забеги, время финиша, рекорд на ипподроме и другие факторы, с 75 % точностью оценивала вероятного победителя. С помощью результатов этой ИНС Don Emmons получил выигрыш с 17 из 22 сделанных ставок (www.calsci.com/Thoroughbreds.html).
  
• Anderson (Lakewood, CO) обучил нейронную сеть для прогнозирования победителя на собачьих гонках. Он учитывал похожие факторы, в результате чего получалась ИНС с 504 входами, что обеспечиловает ему точность прогнозов в 94 случаев из 100 (94%), правда, только на трети трасс (www.calsci.com/DogRacing.html).
  
• Joel Sokol создал систему - Logistic Regression/Markov Chain (LRMC) model. Она в точности спрогнозировала результаты четырех финальных турниров по баскетболу серии National Collegiate Athletic Association (NCAA). За последний 9 летний период тестирования системы она точно и безошибочно предсказывала в среднем 30 из 36 матчей американских соревнований по баскетболу серии NCAA Final Four. Точность ее результатов составляет 83 % (www2.isye.gatech.edu/people/faculty/Joel_Sokol/ncaa.pdf).
  
• Доктор Алан Маккейб, разработал систему MAIT, на базе нейронных сетей, которая использовалась для прогнозирования результатов игр Английской Премьер - Лиги (www.mymait.com).

По последнему пункту (4) поясню--средний % около 53-54 но нет ответов сетей по ничья только В или П тут под этот % можно за ориентир взять средний кефф. То что я делал там у меня средний кефф где-то около 2 и даже 52% будет давать+ но это средние покзатели и так сеть конечно не оценишь. Надо реальные кефы брать.
Могу однозначно сказать 60% и тем более 70% для кефа 2---это нереально для футбола. Сети в основном пробивают наиболее вероятные исходы которые и так понятны из линии БК
но сеть только учитывает некоторые нюансы, которые могут быть выявлены просто сортировкой, группировкой итд итп данных по некоторым критериям (без всяких нейросетей).
Другое дело что есть нейропакеты которые сразу перебирают кучу вариантов архитектуры сети, функций активации и предобработки данных--что упрощает задачу. Но данных для сети например для футбола один хрен недостаточно для её полноценного обучения.

[fantozzzy]

ну ясно,очередной поиск в темной комнате черной кошки,которой там нет.

[sh1z01d]

Ну тоталы системы эти прогнозируют достаточно неплохо.

[Bambuk]

sh1z01d, on 04 March 2013 - 14:39, сказал:

Ну тоталы системы эти прогнозируют достаточно неплохо.

Если мы подразумеваем модель как чёрный ящик (связи неизвестны), то такая сеть тоталы может и не осилит (это моё мнение)...Сеть можно использовать как часть какой-то экспертной системы тогда возможно будет результат который нас устроит (можно например в выходном слое применить функцию SOFTMAX), а так я даже не встречал публикаций на эту тему....Может только сети Давида Копперфилда (не из романа Ч. Диккенса) нам помогут с тоталом...

некоторая информация которая может кому-то (кто заинтересуется сетями) пригодиться.

ПРИМЕЧАНИЕ

SOFTMAX*функция:

OUTi=Exp(NETi) /∑ Exp(NETi) ; NET=∑XiWi ; OUTi—выход нейрона i

Здесь суммирование производится по всем нейронам данного слоя сети. Такой выбор функции обеспечивает сумму выходов слоя, равную единице при любых значениях сигналов NETi данного

слоя. Это позволяет трактовать OUTi как вероятности событий, совокупность которых (все выходы слоя) образует полную группу. Это полезное свойство позволяет применить SOFTMAX*функцию в задачах классификации, проверки гипотез, распознавания образов и во всех других, где требуются выходы*вероятности.

НЕКОТОРЫЕ НЕЙРОПАКЕТЫ

NeuroSolutions - фирмы NeuroDimension, Inc.; (есть надстройки для excel)

NeuralWorks Professional U/Plus с модулем UDND - фирмы Neural Ware, Inc.;

Process Advisor - фирмы AlWare, Inc.;

NeuroShell2 - фирмы Ward Systems Group;

BrainMaker Pro - фирмы California Scientific Software.

STATISTICA Neural Networks - нейросетевой программный продукт полностью переведенный на русский язык. В составе системы STATISTICA Neural Networks имеется хорошо иллюстрированный учебник, содержащий полное и понятное введение в нейронные сети, а также примеры. Из любого диалогового окна доступна система подробных контекстно-зависимых справок.

Подробнее www.statsoft.ru/statportal/tabID__32/MId__141/ModeID__0/PageID__11/DesktopDefault.aspx

[Bambuk]

Это может всем пригодиться www.statistica.ru/home/textbook/default.htm
Это он-лайн учебник по статистике---можно использовать для ознакомления с какими-то понятиями ну итд.
Есть конечно более узкопрофильные издания но тут всё в одном месте и для начала очеь даже удобно.

[BIM]

кто-нибудь пробовал программу STATISTICA Neural Network в действии? Какие минимальные знания нужны для начала ее освоения? Bambuk, ты и здесь написал много полезного, скажи, я так полагаю математикой занимаешься в жизни?

[Bambuk]

BIM, on 15 March 2013 - 04:08, сказал:

кто-нибудь пробовал программу STATISTICA Neural Network в действии? Какие минимальные знания нужны для начала ее освоения? Bambuk, ты и здесь написал много полезного, скажи, я так полагаю математикой занимаешься в жизни?

Нет математикой не занимаюсь (только если для ставок надо), образование 10кл. Минимальные знания тут не особо большие наверно нужны так как STATISTICA руссифицирована. У меня такой нет поэтому тут пояснить не могу. NeuroSolutions есть в интернете бесплатная демо версия (но она тоже работать будет ) но она на английском и там чёрт голову сломит, можно поискать мейд ин раша--пакет Neuro Office….(тоже есть демо версия..для знакомства с НС сгодиться) Вы если даже чисто механически нейропакет освоите то Вам всё равно в первую очередь теория нужна (хотя б минимум) чтоб понимать что на что влияет, а то если допустим алгоритм в локальный минимум попадёт а Вы будете думать что это подходящее решение или у вас явное несоответствие будет между числом подбираемых параметров и числом примеров для обучения (например параметров много а примеров мало для этого) итд итп. STATISTICA достаточно мощная прога и она в большей степени для спецов конечно там можно и программировать и внедрять эти куски ещё куда-то (да там на их сайте много информации всякой а про нейросети можно в учебнике почитать что я привёл ссылку или в поисковик забить "нейронные сети" литературы полно но нейросеть это такая хрень---как допустим из глины лепить...или скульптуры делать....надо чувствовать материал и инструмент).

[BIM]

Лукавишь, какие 10 кл? Видно же основы вышки проходил

[pin]

Bambuk, on 05 March 2013 - 00:03, сказал:

Если мы подразумеваем модель как чёрный ящик (связи неизвестны), то такая сеть тоталы может и не осилит (это моё мнение)...Сеть можно использовать как часть какой-то экспертной системы тогда возможно будет результат который нас устроит (можно например в выходном слое применить функцию SOFTMAX), а так я даже не встречал публикаций на эту тему....Может только сети Давида Копперфилда (не из романа Ч. Диккенса) нам помогут с тоталом...

некоторая информация которая может кому-то (кто заинтересуется сетями) пригодиться.

ПРИМЕЧАНИЕ

SOFTMAX*функция:

OUTi=Exp(NETi) /∑ Exp(NETi) ; NET=∑XiWi ; OUTi—выход нейрона i

Здесь суммирование производится по всем нейронам данного слоя сети. Такой выбор функции обеспечивает сумму выходов слоя, равную единице при любых значениях сигналов NETi данного

слоя. Это позволяет трактовать OUTi как вероятности событий, совокупность которых (все выходы слоя) образует полную группу. Это полезное свойство позволяет применить SOFTMAX*функцию в задачах классификации, проверки гипотез, распознавания образов и во всех других, где требуются выходы*вероятности.

НЕКОТОРЫЕ НЕЙРОПАКЕТЫ

NeuroSolutions - фирмы NeuroDimension, Inc.; (есть надстройки для excel)

NeuralWorks Professional U/Plus с модулем UDND - фирмы Neural Ware, Inc.;

Process Advisor - фирмы AlWare, Inc.;

NeuroShell2 - фирмы Ward Systems Group;

BrainMaker Pro - фирмы California Scientific Software.

STATISTICA Neural Networks - нейросетевой программный продукт полностью переведенный на русский язык. В составе системы STATISTICA Neural Networks имеется хорошо иллюстрированный учебник, содержащий полное и понятное введение в нейронные сети, а также примеры. Из любого диалогового окна доступна система подробных контекстно-зависимых справок.

Подробнее www.statsoft.ru/statportal/tabID__32/MId__141/ModeID__0/PageID__11/DesktopDefault.aspx

Вы сами использовали данную программу?