Attivazione FERMI

[Halmun]

e Brava TalkAI hai indovinato. infatti i miei Range sono prevalentemente strutturati su condizioni Binarie.
--------------

Ciao! Certo, posso darti alcune informazioni sull'attivazione Fermi e sul contesto in cui viene utilizzata.

### Attivazione Fermi

L'attivazione Fermi è una funzione di attivazione utilizzata nei reti neurali, ed è spesso associata alla funzione sigmoide. La sua forma generale è:

\[ f(x) = \frac{1}{1 + e^{-k(x - x_0)}} \]

Dove:
- \( x \) è l'input.
- \( k \) è una costante che determina la pendenza della curva.
- \( x_0 \) è la soglia (threshold) che determina il punto centrale della funzione.

Nella tua descrizione, hai specificato alcuni parametri:
- **Min**: 0.00 (il valore minimo della funzione).
- **Max**: 1.00 (il valore massimo della funzione).
- **Thld**: 0.50 (il valore soglia per considerare l'output come attivato).
- **Inc**: 1.00 (potrebbe riferirsi a un incremento o un parametro di scala, ma senza ulteriore contesto è difficile dirlo con certezza).

### Rete Neurale

La rete neurale che hai menzionato ha le seguenti caratteristiche:
- **14 inputs**: ci sono 14 caratteristiche di input che vengono elaborate dalla rete.
- **1 output**: la rete produce un singolo output, il che è tipico per problemi di classificazione binaria o regressione.
- **18 neurons**: ci sono 18 neuroni in totale distribuiti su 2 livelli. Questo implica che c'è almeno un livello nascosto.
- **Learn rate**: 0.100, che è il tasso di apprendimento, un parametro che determina quanto i pesi della rete vengono aggiornati durante l'addestramento.

### Applicazioni

La funzione di attivazione Fermi è utile in vari contesti, come:
- Classificazione binaria: dove si desidera che l'output sia compreso tra 0 e 1.
- Riconoscimento di pattern: in cui è necessario modellare relazioni non lineari tra input e output.

### Considerazioni

Quando si utilizza una rete neurale con la funzione di attivazione Fermi, è importante monitorare il processo di apprendimento e il comportamento della rete per evitare problemi come l'overfitting o la saturazione della funzione di attivazione.

 

[Halmun]

quante volte avrò detto di fare attenzione agli estremi delle regressioni? non le conto più.
Test x Bari fine data al 30/11/2024 ( coppia ambate 35 - 36 sfaldate al 1° e 2° C. )
okkio alle centrali.

 

[Halmun]

argomentando ieri con un caro Amico, anche le A.I. cadono spesso in contraddizione. e visto che riguardo i Pattern ( Ordini ) gli hanno risposto in modo secondo me per nulla convincente è sempre bene controllare, e soprattutto chiarire aspetti in dubbio: NON esistono Ordini se non li stabiliamo a Priori (osservazione-osservatore). qui di seguito la risposta di GPT che conferma (contraddicendo quanto aveva detto ieri al mio amico ) quanto ho sempre pensato. del resto non ci vuole una Laurea alla Bocconi per giungere a determinate conclusioni.:
-------

Halmun
ciao, nei risultati delle reti neurali si parla spesso di pattern (Ordini) ma a quanto mi risulta non esistono ordini universalmente riconosciuti come tali se non determinati a priori dall'osservazione personale ( osservatore). se sbaglio correggimi.


ChatGPT
Ciao! Hai sollevato un punto interessante riguardo alla questione dei pattern (o modelli) nelle reti neurali e alla loro interpretazione. È vero che i pattern identificati da una rete neurale possono essere influenzati da vari fattori, tra cui l'architettura della rete, i dati di addestramento e le scelte di pre-elaborazione.

In effetti, i pattern che una rete neurale apprende non sono necessariamente "universali" nel senso che non esistono in un contesto oggettivo e indipendente dall'osservatore. Questi pattern vengono scoperti attraverso l'addestramento sui dati e possono riflettere le caratteristiche specifiche di quei dati, oltre alle ipotesi e ai bias dell'osservatore che ha progettato l'esperimento o scelto i dati.

In altre parole, mentre una rete neurale può identificare pattern in un insieme di dati, questi pattern non sono sempre generalizzabili o riconosciuti come significativi da tutti gli osservatori. Inoltre, esistono tecniche di interpretabilità delle reti neurali (come LIME, SHAP e altre) che cercano di spiegare come e perché un modello ha fatto determinate previsioni, ma anche queste spiegazioni possono variare a seconda dell'interpretazione dell'osservatore.

Quindi, hai ragione nel dire che i pattern non sono necessariamente ordini universalmente riconosciuti, ma piuttosto scoperte che possono variare a seconda del contesto e delle scelte fatte durante il processo di modellazione. Se hai altre domande o vuoi approfondire ulteriormente, sentiti libero di chiedere!

 

[Halmun]

evidentemente le A.I. non conoscono strade alternative come: spingere a 0.000001 volutamente verso L'overfitting. BARI 79 al 1° C. e lasciamo stare il 12 presente in 4°a pos.

 

[Halmun]

giusto per curiosità e divertimento ho adattato il DowJons ai numeri del Lotto per testare l'efficacia di PYTHIA anche con metodi del tutto diversi dai tradizionali, e sorpresa: al 1° TEST Terno 26 32 82 al 1° C. + 12 al 3° con una sola quartina in gioco tratta dagli ormai ben noti PRIMI 2 VALORI MIN & MAX della Regressione Neurale di PYTHIA (Att. FERMI).
BARI : fine data analisi al 03/12/2024 - condizione: arrotondamento a 0.8 : risultati in foto.

NP: ottimi anche i risultati di JUST-NN e GMDH 3.0.3 ...... anche loro hanno centrato l'obiettivo fornendo innanzi tutto convergenza con Pythia su diverse ambate della quartina.

un saluto.

 

[boris]

Grazie Halmun per gli esempi, forse ci fanno fare qualche vincita,
....non disponendo della conoscenza del Ai al computer sono un pensionato di anni 79 ....
chiedo se le estrappolazioni dei codici binari danno una informazione per futuri estratti,
buona giornata Boris

 

[Halmun]

Grazie Halmun per gli esempi, forse ci fanno fare qualche vincita,
....non disponendo della conoscenza del Ai al computer sono un pensionato di anni 79 ....
chiedo se le estrappolazioni dei codici binari danno una informazione per futuri estratti,
buona giornata Boris

la trasformazione da decimale a binario può solo agevolare il calcolo ai PC ma per quel che riguarda informazioni più o meno attendibili a titolo di previsione sono entrambi validi.
come detto altrove la bontà di una previsione dipende dal tipo di strategia o nel caso, dal tipo di osservazione personale, in quanto all'interno della stessa strategia messa in atto possono verificarsi condizioni attendibili che esulano del tutto o in parte dalle finalità computazionali del procedimento.
un classico esempio in forma Binaria consiste nell'utilizzare come Spia non un semplice carattere numerico ma l'intera stringa binaria pari-dispari 0-1, una strategia alternativa ai tradizionali procedimenti delle Spie decimali che mediamente prendono in considerazione solo un numero o due fra i 5 estratti.

 

[boris]

la trasformazione da decimale a binario può solo agevolare il calcolo ai PC ma per quel che riguarda informazioni più o meno attendibili a titolo di previsione sono entrambi validi.
come detto altrove la bontà di una previsione dipende dal tipo di strategia o nel caso, dal tipo di osservazione personale, in quanto all'interno della stessa strategia messa in atto possono verificarsi condizioni attendibili che esulano del tutto o in parte dalle finalità computazionali del procedimento.
un classico esempio in forma Binaria consiste nell'utilizzare come Spia non un semplice carattere numerico ma l'intera stringa binaria pari-dispari 0-1, una strategia alternativa ai tradizionali procedimenti delle Spie decimali che mediamente prendono in considerazione solo un numero o due fra 5 i estratti.

grazie, ne tengo conto

 

[Halmun]

mi scuso per la svista sullo Scan Dowjones. l'ultima cella del Target va impostata correttamente a 0 perchè "Delta_close+1" riporta sempre lo stesso valore successivo di "Delta_close" a meno che non si faccia partire la previsione dalla seconda estraz. in poi, e non dalla prima. detto questo veniamo ora al corretto risultato di PYTHIA che in quanto ad affidabilità non smentisce se stessa:
quindi con SCAN alla stessa data del post precedente e identica condizione con Arr. 0,8 otteniamo il seguente risultato:

Ambetto 31 82 al 1° C. con le Diff MAX
+
Ambo secco 09 16 al 2° C. con le Diff MIN

un saluto.