PYTHIA

[Halmun]

riguardo la data del 01/12/2023 ho effettuato una prova con il Range al Contrario. in teoria la Rete avrebbe dovuto restituire gli stessi valori della Regressione che hanno dato l'Ambo 05-26 presente sul 2° gruppo.
vedi foto nel post N° 80
ed invece ho ottenuto valori del tutto differenti, come avevo già notato da tempo utilizzando Range totalmente diversi dal Binario.
questo dimostra che la Rete risente anche della POSIZIONE dei singoli dati immessi in Input, non solo dei loro valori.
MORALE:
se con il Range al Dritto la Rete aveva centrato il 2° Gruppo con l'Ambo 05-26
con il Range al Contrario fa centro il 3° Gruppo con l'Ambo 32-42
che dire di più? ..... buono a sapersi.
( prossimi Test: Scan x Interazione fra Range - Dritto & Contrario )

un saluto.

 

[Ciccio90]

riguardo la data del 01/12/2023 ho effettuato una prova con il Range al Contrario. in teoria la Rete avrebbe dovuto restituire gli stessi valori della Regressione che hanno dato l'Ambo 05-26 presente sul 2° gruppo.
vedi foto nel post N° 80
ed invece ho ottenuto valori del tutto differenti, come avevo già notato da tempo utilizzando Range totalmente diversi dal Binario.
questo dimostra che la Rete risente anche della POSIZIONE dei singoli dati immessi in Input, non solo dei loro valori.
MORALE:
se con il Range al Dritto la Rete aveva centrato il 2° Gruppo con l'Ambo 05-26
con il Range al Contrario fa centro il 3° Gruppo con l'Ambo 32-42
che dire di più? ..... buono a sapersi.
( prossimi Test: Scan x Interazione fra Range - Dritto & Contrario )

un saluto.

Complimenti halmun.
28. 40. 31. 24. 63. Gioco questi?

 

[Halmun]

Complimenti halmun.
28. 40. 31. 24. 63. Gioco questi?

ciao Ciccio90. dati gli aggiornamenti Scan-Consecutivi sulle Date la terzina 63 28 40 è quella che ora preferisco, ma ho bisogno di tempo per cercar di isolare con qualche funzione matematica il Gruppo + idoneo x il solo 1° C. ..... perlomeno in linea di massima.
qui c'è tutto da verificare, data x data, punto x punto, in quanto stanno saltando fuori Risultati molto interessanti.
in poche parole c'è da fare un lavoro Enorme. ma una cosa posso già dirla: x il 95 % degli SCAN è stata utilizzata sempre la stessa architettura di ingresso, e questo è un traguardo che mai avrei sperato di ottenere.
un po di pazienza dai ..... ci aggiorniamo prossimamente.

 

[Ciccio90]

ciao Ciccio90. dati gli aggiornamenti Scan-Consecutivi sulle Date la terzina 63 28 40 è quella che ora preferisco, ma ho bisogno di tempo per cercar di isolare con qualche funzione matematica il Gruppo + idoneo x il solo 1° C. ..... perlomeno in linea di massima.
qui c'è tutto da verificare, data x data, punto x punto, in quanto stanno saltando fuori Risultati molto interessanti.
in poche parole c'è da fare un lavoro Enorme. ma una cosa posso già dirla: x il 95 % degli SCAN è stata utilizzata sempre la stessa architettura di ingresso, e questo è un traguardo che mai avrei sperato di ottenere.
un po di pazienza dai ..... ci aggiorniamo prossimamente.

Certo, immagino il lavoro , il tempo che impieghi.

 

[Halmun]

Bari Promemoria : NNCLUST-9 Clusters Concatena : F.D. 09/12/2023
Clusters 3x3 - Centroid Min. + Dev. St. Max. = 85 08 al 1° C. ( Colonna Ambata A )

 

[Ciro8]

Ciao Halmun ho provato a modificare i parametri del Learning rate per redenrlo più flessibile ma non ci sono risucito. mi dici come devo fare grazie se puoi?

 

[Halmun]

Ciao Halmun ho provato a modificare i parametri del Learning rate per redenrlo più flessibile ma non ci sono risucito. mi dici come devo fare grazie se puoi?

ciao Ciro8 se ti riferisci al Learning parameter di NNCLUST non devi fare altro che impostare il valore che desideri in CELLA J7 a pag. INPUT come Start value, ed un valore minore in CELLA J8 come End value.

se invece ti riferisci al Learn rate di PYTHIA il discorso è un po' diverso. clicca sull'icona che vedi al centro dell'ovale rosso e imposta il valore che vuoi ( tradizionalmente compreso fra 0.1 e 0.9 ) tenendo presente che a valori Alti corrispondono scansioni più veloci ma con risultati meno precisi. invece con valori Bassi come ad esempio 0.1 o 0.2 avrai scansioni senz'altro meno veloci ma risultati mediamente considerati più precisi. e su questo punto sono pienamente d'accordo anch'io.

 

[Debimetro]

ciao Ciro8 se ti riferisci al Learning parameter di NNCLUST non devi fare altro che impostare il valore che desideri in CELLA J7 a pag. INPUT come Start value, ed un valore minore in CELLA J8 come End value.

se invece ti riferisci al Learn rate di PYTHIA il discorso è un po' diverso. clicca sull'icona che vedi al centro dell'ovale rosso e imposta il valore che vuoi ( tradizionalmente compreso fra 0.1 e 0.9 ) tenendo presente che a valori Alti corrispondono scansioni più veloci ma con risultati meno precisi. invece con valori Bassi come ad esempio 0.1 o 0.2 avrai scansioni senz'altro meno veloci ma risultati mediamente considerati più precisi. e su questo punto sono pienamente d'accordo anch'io.

Ciao ciro8,
visto che anche tu utilizzi Pythia, mi potresti dire dove trovare i risultati dell'elaborazione, perchè non ho ancora capito bene come fare.
Ti ringrazio anticipatamente, se vorrai fornirmi indicazioni.
Saluti

 

[Ciro8]

Ciao ciro8,
visto che anche tu utilizzi Pythia, mi potresti dire dove trovare i risultati dell'elaborazione, perchè non ho ancora capito bene come fare.
Ti ringrazio anticipatamente, se vorrai fornirmi indicazioni.
Saluti

Ciao mi dispiace hai frainteso io uso NNCLUST Pythia richiede windows vista su una macchina virtuale troppo complesso per me chiedi a Halmun ciao

 

[xmarkuzzox]

vedi Tu. ......... io di NNCLUST mi sono sempre fidato.

Buongiorno, chiedo scusa per l'intrusione, ho cercato ovunque NNclust ma non sono riuscito a trovarlo, posso chiedere a voi dove poter ottenerlo?

 

[Halmun]

Buongiorno, chiedo scusa per l'intrusione, ho cercato ovunque NNclust ma non sono riuscito a trovarlo, posso chiedere a voi dove poter ottenerlo?

NNclust Neural Network Based Clustering using Self - CodeBus

 

[xmarkuzzox]

Grazie mille

NNclust Neural Network Based Clustering using Self - CodeBus

Infinitamente grazie Halmun....

 

[Halmun]

e anche Copilot non fa altro che confermare i residui MIN:

Binario CLS Bin-1 : RN-PYTHIA: TEST BARI F.D. 21/05/2024 - primi 3 residui MIN. - risultati in foto. vedi colonna TAR.

 

[Halmun]

Neural Network - Lavori in corso - Test GMDH 2.8.7 - Range Binario - esito al 1° C.

 

[Halmun]

e anche Copilot non fa altro che confermare i residui MIN:

Binario CLS Bin-1 : RN-PYTHIA: TEST BARI F.D. 21/05/2024 - primi 3 residui MIN. - risultati in foto. vedi colonna TAR.

Binario CLS Bin-1 : RN-PYTHIA:
Continuano gli esiti dei primi 3 Residui MIN. sulla colonna del Target. questa volta nei Vertibili.
esito 05 39 al 1° C. + Ambetti con l'85 ( vedi Foto ) + Ambetto 03 05 in colonna Prev. ( sempre Vertibili )

 

[Halmun]

Range Binario-Concatena - l'importanza del Learning rate.

 

[Halmun]

BARI : primi 2 scarti Min. in TAR & OUT - Esito al 1° C. ........... Tanto per non perdere il vizio.

 

[Ciccio90]

BARI : primi 2 scarti Min. in TAR & OUT - Esito al 1° C. ........... Tanto per non perdere il vizio.

Buon giorno halmun
Hai qualcosa da giocare?
se metti le tabelle o non so come chiamarle non le capisco.
Grazie sin da subito halmun

 

[Halmun]

Buon giorno halmun
Hai qualcosa da giocare?
se metti le tabelle o non so come chiamarle non le capisco.
Grazie sin da subito halmun

ci sto lavorando sopra per tentare di rendere più stabili le scansioni, e conseguentemente anche i risultati. purtroppo non è una cosa facile. voglio prima vedere Quanto le Prev. possano esser attendibili a ciclo continuo. e data la Realtà aleatoria delle estrazioni se ci riesco sarebbe un Miracolo.

 

[Halmun]

PROMEMORIA importante ..... okkio alle Soglie :

Tu
quindi nel risultato finale proposto dalla Rete Neurale dovrei considerare più attendibili quelle colonne_Bit che precedentemente all'analisi avevano una deviazione standard più piccola rispetto alle colonne-Bit che al contrario presentavano una maggior deviazione standard. giusto?

Copilot
Esatto! Quando valuti il risultato finale proposto dalla Rete Neurale, le colonne con una deviazione standard più piccola tendono a essere più attendibili rispetto a quelle con una maggiore deviazione standard.
Le colonne con minore variabilità sono generalmente più stabili e meno soggette a fluttuazioni casuali.
Pertanto, puoi dare maggiore peso alle previsioni basate su queste colonne.

Tu
si, sembra che effettivamente gli errori che si sono concentrati sulle ultime colonne-Bit in questo caso erano prevedibili da quelle deviazioni standard che a monte avevano superato la soglia di 0,5
GRAZIE per il consiglio.
A B C D E F G
0,497050122 0,426042961 0,497050122 0,481593992 0,497050122 0,507092553 0,505432671