W ostatnim czasie w internecie pojawiało się wiele prób przewidywania wartości akcji, kryptowalut lub innych dóbr. W tym artykule postaram się przedstawić jedną z możliwości przewidywania cen złota na podstawie danych historycznych udostępnionych przez Narodowy Bank Polski.
Istnieje wiele różnych topologii sieci neuronowych. Co jakiś czas jednak pojawiają się nowe rozwiązania i modyfikacje które niebywale wnoszą wiele w dziedzinie uczenia maszynowego. Czasami jednak brakuje rozeznania do czego zastosować odpowiednią topologię. Czy aby na pewno wybrana architektura nadaje się aby rozwiązać nasz problem? Istnieje wprawdzie wiele opracowań ( niektóre nawet całkiem niezłe) ale nie odpowiadają one na wszystkie pytania. Nadmiar informacji często bywa zbyt duży więc tutaj postanowiłem skompensować wiedzę w czytelnej formie. Zawarte informacje mają więc bardziej charakter informacyjny a dokładny opis samych sieci oraz ich działania znajdziemy w kolejnych artykułach.
Funkcja aktywacji jest jednym z kluczowych zagadnień sieci neuronowych gdyż jej odpowiedni dobór ma wielkie znaczenie dla wybranego modelu i procesu uczenia. Odpowiednie jej dostosowanie dla warstwy przyczynia się do szybkości jak i sprawności działania całej sieci. Mam nadzieję że zebrane informacje pozwolą wyjaśnić przynajmniej część problemów związanych z tym zagadnieniem. Funkcja ta decyduje o tym co zostanie przepuszczone do następnego poziomu.
Określenie „sztuczne sieci neuronowe” często bywa magiczne i przerażające. Dzieje się tak dlatego gdyż wiele źródeł cytuje akademicką formułkę która zwykłego czytelnika wprowadza w stan odrzucenia. Zrozumienie czym są i jak działają nie jest jednak tak trudne jakby się mogło wydawać na pierwszy rzut oka. Postaramy się więc o czytelniejsze zrozumienie tego tematu.