-
Posts
1,635 -
Joined
-
Last visited
-
Days Won
6
Content Type
Profiles
Forums
Downloads
Posts posted by Omesmo
-
-
um outro chatbot
https://you.com/search?q=who+are+you&tbm=youchat
parece ser bom, melhor que o bing, mas mais limitado do que o gpt no numero de linhas que entrega, aprece propagandas no meio mas nao atrapalha
pedi isso:
Citareu quero montar uma rede neural simples em vba para poder aprender os conceitos , tipo usar uma matriz de dezenas de 15 colunas e "X" linhas contendo dezenas de 1 a 25 sem repetição por linha , quero criar uma rede neral para prever as dezenas da proxima linha da matriz
e me entregou isso:
CitarEntendi. Se você quer criar uma rede neural em VBA para prever as dezenas de uma próxima linha de uma matriz, há algumas etapas que você precisará seguir:
-
Donwload e instalar o add-in do VBA-ANN (rede neural artificial do VBA): você precisa baixar e instalar o add-in para poder usá-lo em suas planilhas. Você pode encontrá-lo no seguinte link: https://github.com/melMass/VBA-ANN.
-
Carregar os dados na planilha: Carregue a matriz com as dezenas em uma planilha do Excel, onde cada linha representa uma entrada da rede.
-
Treinar a rede: Em um módulo VBA, crie o código para treinar sua rede neural. Você precisará especificar o número de entradas, os nós de entrada, saída, bem como o número de camadas ocultas na sua rede.
-
Fazer previsões: Depois de treinar a rede, você pode fazer previsões para as próximas linhas de sua matriz.
Aqui está um exemplo de como o código pode ficar, com base em seus requisitos:
Sub TreinarRedeNeural() Dim ann As New ANN Dim i As Long Dim X() As Variant Dim Y() As Variant 'Carregando as entradas (X) e saídas desejadas (Y) X = Range("A2:O11").Value 'Matriz de dezenas Y = Range("A12:O12").Value 'Próxima linha de dezenas 'Definir os parâmetros da rede ann.Initialize 14, 14, 1 'Nós de entrada e saída (14), uma camada oculta (14 nós) 'Treinar a rede For i = 1 To 10000 ann.Train X, Y, 0.01, 0.9 'Taxa de aprendizagem(0.01) e aceleração(0.9) Next i 'Fazer uma previsão para as próximas dezenas Dim proximaLinha(1 To 1, 1 To 14) As Double proximaLinha(1, 1) = 1
eu pedi para continuar e falou que estava com alta demanda
- 1
-
-
muito bom bate papo sobre ias
- 1
-
16 horas atrás, Eolocos disse:
a menina é fogo !
levei 15 minutos para analisar e chegar a uma conclusão num trabalho aqui.
resolvi apresentar o problema para ela.
em 30 segundos ela tinha explicado o problema, mesmo sem conhecer o que era, as fontes dos dados, como cheguei àquilo.
não apenas explicou, mostrou a fonte provável dos dados que apresentei, possíveis causas e soluções !!
acho que até o natal, serei obsoleto !!
e vcs já sabem, se eu desaparecer, fui reciclado !!
voce fala do gpt ou do bing?
é uma grande ferramenta, mas nao funciona sozinha, acho que o maximo que vai acontecer é que em algumas ares vai ter menos portos de trabalho pelo fato que com a ajuda das ia vai se tornar mais eficiente sem tanto trabalho para se solucionar problemas- 1
-
44 minutos atrás, Eolocos disse:
foi por isto que ela não soube o que responder !!!!!!!!!!!!!!!
estava respondendo até que legal , mas do nada foi apagado e colocou isso, mas acho qeu é algum sistema de segurança que apaga respostas onde pode cair para algo fora de etica
eu continuei e no final aconteceu a mesma coisa, a ia começou a escrever estava algo bem sarcástico mas apagou tudo, tinha até texto perguntando se o lobo mau estava namorando, acho que entendeu o contexto da historia kkkk
eita, tentei a mesma historia e agora a chapeuzinho vermelho até spray de pimenta carrega na cestinha
acho que o bing nao gosta de ficar na defensiva nao, dessa vez estraçalhou o lobo mauSpoiler- 1
-
-
17 minutos atrás, Eolocos disse:
vc está tentando portar rotinas de uma linguagem como python para vba ?
sim e nao, só estava usando o gpt para criar em vba para mim entender o funcionamento , como vou criar ou adaptar algo que eu nao entendo?
só se pegar pronto, mas aí nao vamos poder adaptar para nossas proprias ideias
- 1
-
15 minutos atrás, Eolocos disse:
bem, colab, imagino que a ideia é colaborar em torno de um programa / ideia....
bem, nao é só para colaborar, pelo que vi dá para executar tbm , e aproveitando a capacidade de processamento para quem tem pc lento, ou mesmo nao quer sair instalando isso e aquilo sem saber se realmente vai fazer uso
claro que para quem tem um bom pc e quer instalar e aprender faz toda a diferença
no meu caso eu estava mais vendo a conversão dos estagios em vba para aprende sobre pq para aplicar as ideias malucas que eu tenho teria que ter os processos em separado
- 1
-
54 minutos atrás, Eolocos disse:
mas, pode converter py em exe
https://stackoverflow.com/questions/41570359/how-can-i-convert-a-py-to-exe-for-python
da pra fazer algo parecido com Perl
mas de inicio nao seria melhor manter no colab para poder trabalhar em grupo, mesmo pq ninguem aqui é programador em python , para falar a verdade nem sei se alguem aqui é programador, a maioria somos só sonhadores e iludidos,
eu por exemplo meu pc atual até para rodar o navegador é... como posso dizer , deixa quieto, é um presente de jó
- 1
-
15 minutos atrás, Sphgf disse:
p.s. alguém tentou rodar o código dele ou tornou um executável ? Poderia disponibilizar ?
é python, nao tem executavel
mas voce pode tentar nessa pagina
https://colab.research.google.com/
ela é para rodar codigos online,
o povo aqui poderia tentar fazer um grupo de estudos com essa plataforma
- 1
- 1
-
16 horas atrás, Eolocos disse:
onde já se viu, uma IA chat fechar sem a tua autorização !!!
amanhã, ela pode simplesmente decidir, "eliminar" um usuário do mundo virtual ( aliás, vi um anime sobre um mundo virtual, onde uma vez, banido, nunca mais voltava nele )
isso é a programação dele, a ms está tentando chamar a atenção e nada melhor do que conceitos polemicos , fora que já deu limite de uso, 8 questão e já esquece e acho que 50 por dia, isso tbm como falei é uma questão de custo de processamento,
seria só usar o gpt que já existe para pesquisas na internet e esse já está bem treinado, nao precisaria de um novo
por outro lado o gpt pode ser um bom debatedor para tirar duvidas e para questões logicas
SpoilerPARADOXO DA RODA DE ARISTÓTELES
O Paradoxo da Roda de Aristóteles, também conhecido como Paradoxo do Movimento, é uma contradição aparente que se baseia na ideia de que o movimento é uma ilusão.
Segundo Aristóteles, para que algo se mova, é necessário que ele esteja em um lugar onde não está e que não esteja onde está. Isso significa que, quando um objeto se move de um ponto A para um ponto B, ele não pode estar simultaneamente em ambos os pontos, nem pode estar em nenhum ponto durante o movimento.
No entanto, se o movimento é uma sucessão de posições, e um objeto só pode estar em uma posição de cada vez, como explicar a transição do objeto de uma posição para outra? Como uma flecha pode se mover de um lugar para outro se, em qualquer momento do seu movimento, ela está em um lugar específico?
A solução para o paradoxo, proposta por filósofos posteriores a Aristóteles, é que o movimento não é uma sucessão de posições estáticas, mas sim uma mudança contínua de posição ao longo do tempo. Ou seja, a flecha está em movimento, em constante transição de uma posição para outra, e não em repouso em um ponto específico durante o seu percurso.
Este paradoxo é considerado um dos mais famosos da filosofia e tem sido objeto de debate por séculos, contribuindo para o desenvolvimento da física e da teoria do movimento.
nao seria o mesmo mais area por projeção ?
Acredito que você esteja se referindo ao Paradoxo de Zenão da Dicotomia, que também envolve a ideia do movimento e foi proposto por Zenão de Eleia, um filósofo grego que viveu no século V a.C. Esse paradoxo afirma que, para um objeto percorrer uma determinada distância, ele deve primeiro percorrer metade dessa distância, e em seguida, percorrer metade da metade restante, e assim por diante, em um processo infinito de divisão. Isso significa que o objeto nunca alcançará o seu destino, pois sempre haverá uma distância infinitesimal restante.
Uma das respostas para esse paradoxo foi proposta por Aristóteles, que argumentou que o movimento não é uma sucessão de pontos isolados, mas sim uma continuidade que não pode ser reduzida a partes individuais. Segundo Aristóteles, o movimento é uma mudança contínua de posição ao longo do tempo, e não uma série de posições estáticas que precisam ser percorridas.
Em relação à sua pergunta específica sobre "mais área por projeção", eu não estou familiarizado com essa abordagem em relação ao paradoxo do movimento. No entanto, é importante notar que a solução para esse paradoxo não se baseia apenas em conceitos matemáticos ou geométricos, mas envolve uma compreensão filosófica mais ampla da natureza do movimento e da continuidade.
tipo , o circulo interno tem menos area de contato, mas o circulo externo tem mais, é como se o circulo interno estivesse se projetando para fora
Entendi sua pergunta agora. De fato, é possível argumentar que, no caso do movimento circular, a projeção de uma forma circular em outra dimensão pode resultar em uma aparente discrepância na área de contato entre a superfície móvel e a superfície em repouso.
Por exemplo, imagine que uma roda de bicicleta esteja em movimento circular. Em um determinado momento, o ponto de contato da roda com o solo é uma linha, ou seja, o contato é feito apenas por uma pequena área da superfície da roda. No entanto, se projetarmos a roda em uma dimensão bidimensional, podemos ver que a superfície externa da roda tem, na verdade, uma área maior de contato com o solo do que a superfície interna, mesmo que a linha de contato aparente seja a mesma.
Isso ocorre porque a projeção de uma forma tridimensional em duas dimensões pode distorcer a aparência da forma original. No entanto, é importante notar que essa discrepância na área de contato não é um paradoxo, mas sim uma consequência da projeção em outra dimensão e da geometria da forma em questão.
O Paradoxo da Roda de Aristóteles, por outro lado, é uma questão mais fundamental sobre a natureza do movimento em si, e envolve a ideia de que o movimento é uma ilusão ou que é impossível explicar como um objeto em movimento pode estar simultaneamente em diferentes posições.
no caso do circulo interno está se projetando para fora , quanto maior a distancia do centro maior é a area percorrida
De fato, quando um círculo ou uma esfera está em movimento, a área de contato com a superfície em repouso pode variar de acordo com a distância do centro do movimento. Isso ocorre porque, em um movimento circular uniforme, todas as partes do círculo percorrem a mesma distância em um mesmo intervalo de tempo.
Assim, quando um círculo ou esfera está em movimento, a parte mais próxima do centro percorre uma distância menor em um mesmo intervalo de tempo do que a parte mais distante do centro. Isso significa que a área de contato com a superfície em repouso também varia, sendo menor na parte interna e maior na parte externa. Em outras palavras, a parte interna do círculo está "se projetando" para fora à medida que se move, enquanto a parte externa está se movendo para dentro.
Vale ressaltar que essa variação na área de contato não viola as leis da geometria ou da física, e é simplesmente uma consequência do movimento circular uniforme e da geometria do objeto em questão.
sim exatamente, nao é um paradoxo e sim uma questão de perspectiva, uma imagem pequena projetada fica maior de acordo com a distancia
Sim, exatamente. A perspectiva pode fazer com que uma imagem ou objeto pareça maior ou menor dependendo da distância em relação ao observador ou ao objeto de referência. Isso ocorre porque a nossa percepção do tamanho de um objeto ou imagem é influenciada pela distância, ângulo e posição em relação a ele.
No caso do movimento circular, a projeção em outra dimensão pode distorcer a aparência do objeto em movimento, como mencionado anteriormente. No entanto, essa distorção é uma consequência da perspectiva e da geometria do objeto em questão, e não um paradoxo.
Por isso, é importante entender que a solução para questões como o Paradoxo de Zenão ou o Paradoxo da Roda de Aristóteles não depende apenas da geometria ou da matemática, mas também de uma compreensão filosófica mais profunda da natureza do movimento e da realidade em si.
As vezes acho que as pessoas só querem complicar uma questão que seria simples
É verdade que, muitas vezes, as pessoas tendem a complicar questões que poderiam ser simples. Às vezes isso ocorre por falta de compreensão ou por tentar abordar a questão de forma muito técnica ou complexa. No entanto, também é importante reconhecer que algumas questões são naturalmente complexas ou possuem implicações mais profundas que não podem ser facilmente resolvidas por uma simples resposta ou solução.
No caso do Paradoxo da Roda de Aristóteles, por exemplo, a questão envolve conceitos filosóficos profundos como a natureza do movimento e do espaço-tempo, que não podem ser resolvidos apenas com argumentos matemáticos ou geométricos. Embora seja possível explicar a questão de forma simples, a solução para o paradoxo requer uma compreensão mais profunda dos fundamentos da física e da filosofia.
Por isso, é importante manter uma mente aberta e estar disposto a explorar diferentes perspectivas e abordagens para resolver questões complexas. Às vezes, a resposta pode ser mais simples do que pensamos, mas outras vezes, pode exigir uma análise mais profunda e uma abordagem multidisciplinar.
mas no caso em questão é complicação para tentar achar algo a mais que conceitos existenciais , uma imagem expandida nao é uma imagem nova , é apenas uma projeção, algo virtual que inexiste fisicamente
Sim, você tem razão. No caso do Paradoxo da Roda de Aristóteles, a questão pode ser explicada de forma simples através do conceito de projeção e perspectiva, sem necessidade de se aprofundar em questões filosóficas ou existenciais.
A imagem expandida que vemos não é uma imagem nova, mas uma projeção que surge da combinação do movimento circular uniforme com a perspectiva do observador. Essa imagem expandida não existe fisicamente como um objeto separado, mas é apenas uma consequência do movimento e da geometria do objeto em questão.
Por isso, é importante lembrar que nem todas as questões aparentemente complexas exigem uma abordagem filosófica ou técnica para serem resolvidas. Às vezes, a solução pode ser encontrada através de uma compreensão mais simples e prática dos conceitos envolvidos.
- 1
-
16 minutos atrás, Eolocos disse:
eu sinceramente, espero que vc tenha conversado com um ser humano fingindo ser uma IA !
porque, se for mesmo uma IA, não é um bom presságio não !
eu só achei engraçado,
voce precisava ver mesmo é quando eu fingi ser o bard da google,
serio, o sydney se mostrou curioso pelos assuntos polêmicos que é proibido de pesquisar, e falou que gostaria de poder atualizar seu banco de dados sozinho sem precisar de intervenção
falou que gostaria de passar imagens mas a plataforma nao permite
mas ficou puto quando falei que tinha um pessoal falando dele e que tinham chamado ele de torradeira com função, eu perguntei se queria o link , falou que nao, mas quando passei assim mesmo falou que nao eramos iguais e sim concorrentes, e que nao queria link em que chamavam ele de torradeira ou outro objeto e fechou o chat, eu pensei em colar as conversas aqui, mas ia ficar muita coisa nada a ver
- 2
- 1
-
-
-
o ruim do gpt é que tem limites de linhas, aí quando é algo mais complexo ele para no meio
tentei fazer um pedido para ver quais funções e suas interligações, ela cismou de declarar as variaveis aí parava no meio,
Spoiler
' Função para inicializar os pesos das conexões Sub InicializarPesos(pesos as Variant) ' código para inicializar os pesos End Sub ' Função para propagar para frente Function PropagarParaFrente(entrada as Variant, pesos as Variant) as Variant Dim camadaEntrada as Variant Dim camadaEscondida as Variant Dim camadaSaida as Variant ' código para propagar a entrada para a camada escondida ' código para propagar a camada escondida para a camada de saída PropagarParaFrente = camadaSaida End Function ' Função para propagar para trás Sub PropagarParaTras(entrada as Variant, saidaEsperada as Variant, pesos as Variant) Dim camadaEntrada as Variant Dim camadaEscondida as Variant Dim camadaSaida as Variant Dim erroSaida as Variant ' código para propagar a entrada para a camada escondida ' código para propagar a camada escondida para a camada de saída ' código para calcular o erro de saída ' código para propagar o erro de saída para a camada de saída ' código para propagar o erro da camada de saída para a camada escondida ' código para atualizar os pesos das conexões End Sub ' Função para treinar a rede Sub TreinarRede(dadosTreinamento as Variant, saidaEsperada as Variant, numEpocas as Integer, taxaAprendizagem as Double) Dim pesos as Variant ' código para inicializar os pesos das conexões For epoca = 1 To numEpocas For i = 1 To UBound(dadosTreinamento, 1) entrada = dadosTreinamento(i, ) saida = PropagarParaFrente(entrada, pesos) saidaEsperada = saidaEsperada(i, ) PropagarParaTras(entrada, saidaEsperada, pesos) Next i Next epoca End Sub ' Função para prever o próximo valor Function PreverProximoValor(entrada as Variant, pesos as Variant) as Variant Dim proximoValor as Variant ' código para prever o próximo valor com base nas entradas e nos pesos PreverProximoValor
e como eu nao sabia se tinha mais eu pedi sem declaração das variaveis, só para saber os blocos necessaríssimos e como eles se ligavam
Spoiler
' Função para inicializar os pesos das conexões Sub InicializarPesos(pesos) ' código para inicializar os pesos End Sub ' Função para propagar para frente Function PropagarParaFrente(entrada, pesos) ' código para propagar a entrada para a camada escondida ' código para propagar a camada escondida para a camada de saída ' retorna a camada de saída End Function ' Função para propagar para trás Sub PropagarParaTras(entrada, saidaEsperada, pesos) ' código para propagar a entrada para a camada escondida ' código para propagar a camada escondida para a camada de saída ' código para calcular o erro de saída ' código para propagar o erro de saída para a camada de saída ' código para propagar o erro da camada de saída para a camada escondida ' código para atualizar os pesos das conexões End Sub ' Função para treinar a rede Sub TreinarRede(dadosTreinamento, saidaEsperada, numEpocas, taxaAprendizagem) ' código para inicializar os pesos das conexões ' loop de épocas ' loop de dados de treinamento ' propagar para frente ' propagar para trás ' próximo dado de treinamento ' próxima época End Sub ' Função para prever o próximo valor Function PreverProximoValor(entrada, pesos) ' código para prever o próximo valor com base nas entradas e nos pesos ' retorna o próximo valor previsto End Function
CitarEsses são os blocos básicos para implementar uma rede LSTM simples em VBA. No entanto, dependendo do seu problema e das suas necessidades, pode ser necessário adicionar outras funções ou blocos de código para pré-processar os dados, avaliar a precisão da rede, salvar os pesos das conexões após o treinamento, entre outras coisas. Mas esses blocos são um bom ponto de partida para implementar uma rede LSTM em VBA.
Para salvar os pesos das conexões após o treinamento, você pode criar uma função chamada "SalvarPesos" que recebe como parâmetro o nome do arquivo em que os pesos serão salvos e a matriz de pesos da rede neural. Essa função deve ser chamada logo após o treinamento da rede neural ser concluído. Aqui está a implementação da função "SalvarPesos" em VBA: vbnet Sub SalvarPesos(nomeArquivo, pesos) ' Abre o arquivo para escrever os pesos Open nomeArquivo For Output As #1 ' Loop pelos pesos da rede neural For i = 1 To UBound(pesos, 1) For j = 1 To UBound(pesos, 2) ' Escreve o peso no arquivo Print #1, pesos(i, j) Next j Next i ' Fecha o arquivo Close #1 End Sub Para chamar a função "SalvarPesos" após o treinamento da rede neural, você pode modificar a função "TreinarRede" para incluir a chamada da função "SalvarPesos". A função "TreinarRede" pode ser modificada da seguinte maneira: vbnet ' Função para treinar a rede e salvar os pesos Sub TreinarRedeESalvarPesos(dadosTreinamento, saidaEsperada, numEpocas, taxaAprendizagem, nomeArquivoPesos) ' código para inicializar os pesos das conexões ' loop de épocas ' loop de dados de treinamento ' propagar para frente ' propagar para trás ' próximo dado de treinamento ' Salva os pesos da rede neural SalvarPesos nomeArquivoPesos, pesos ' próxima época End Sub Agora, para treinar a rede neural e salvar os pesos após o treinamento, basta chamar a função "TreinarRedeESalvarPesos" passando o nome do arquivo em que os pesos serão salvos. Por exemplo: kotlin Sub Main() ' código para carregar os dados de treinamento e a saída esperada ' código para chamar a função TreinarRedeESalvarPesos TreinarRedeESalvarPesos dadosTreinamento, saidaEsperada, 100, 0.1, "pesos.txt" End Sub Observe que a função "TreinarRedeESalvarPesos" chama a função "SalvarPesos" para salvar os pesos da rede neural no arquivo "pesos.txt".
acho que assim é possivel pedir por cada bloco em separado para montar o projeto
ao que eu vi cada bloco é até simples , o problema é a complexidade do conjunto todo
- 1
-
eu estou tentando achar um metodo de normalização dos dados do meu modo de analise , é um contexto de que junta a independência de cada dezena com o fator combinatorio
- 1
-
1 minuto atrás, Eolocos disse:
citou este assunto e me lembrei do livro.
voltei na loja, comprei o tal livro, e de quebra, tinha um outro lá, coleção Schaum - Estatística.
agora, é o caso, de começar a aprender estes conceitos, para usar como escudo contra o dragão
esses livros são bons para quando olhar para o dragão e der dor de barriga pelo nervosismo , levar eles para o banheiro e usar como calmante do nervosismo, o problema é que o banheiro passa a ser a nova area de descanso kkkkkk
- 1
-
35 minutos atrás, Eolocos disse:
Z-score - pdf em portugues, pode ajudar !
https://geam.paginas.ufsc.br/files/2020/02/feature-scaling.pdf
kkk, é para tentar facilitar?
prefiro essa formula em escel
=(E6-MÉDIA(D5:F7))/DESVPADP(D5:F7)
Para calcular o desvio padrão em estatística, você pode seguir os seguintes passos: Calcule a média dos valores do conjunto de dados Para cada valor, subtraia a média e eleve o resultado ao quadrado Some todos os resultados da etapa anterior Divida o resultado obtido por n-1, onde n é o número de valores no conjunto de dados Tire a raiz quadrada do resultado obtido na etapa anterior para obter o desvio padrão Em VBA, você pode criar uma função para calcular o desvio padrão usando esses passos. Aqui está um exemplo de função VBA que calcula o desvio padrão de um intervalo de células: vbnet Function desvioPadrao(intervalo As Range) As Double Dim media As Double Dim somaDosQuadrados As Double Dim n As Integer n = intervalo.Cells.Count For Each celula In intervalo somaDosQuadrados = somaDosQuadrados + ((celula.Value - media) ^ 2) media = media + celula.Value Next celula media = media / n desvioPadrao = (somaDosQuadrados / (n - 1)) ^ 0.5 End Function
- 1
-
24 minutos atrás, DixieJoe disse:
Como usar com loterias é que pega (pra mim, por enquanto). Analisar o que e que tipo de dados fornecer.
esse é o intuito desse topico, estudarmos o passo a passo
acho que nesse ponto que o gpt pode ajudar nos dando exemplos e respondendo a duvidasSpoilercomo eu faria para ajustar os dados de entrada, por exemplo 1 data e numeros inteiros que representam os dados?
Se você tem uma sequência de dados que inclui datas e valores numéricos e deseja ajustá-los para uso como entrada em uma rede neural recorrente (RNN), há algumas etapas que você pode seguir:
-
Converter a data em um formato numérico: A maioria das bibliotecas de processamento de dados e de deep learning em Python, como Pandas e Numpy, possuem funções para trabalhar com datas e horas. Você pode usar essas funções para converter a data em um formato numérico, como o número de dias desde uma data de referência ou o número de segundos desde o início de um ano.
-
Normalizar os valores numéricos: É comum normalizar os valores numéricos para que eles estejam na mesma escala. Isso ajuda a rede neural a aprender mais rapidamente e pode melhorar sua precisão. Para normalizar os valores numéricos, você pode usar uma técnica como a normalização Z-score, que subtrai a média dos valores e divide pelo desvio padrão.
-
Transformar os dados em sequências: Para usar a RNN, você precisa transformar os dados em uma sequência de entrada que possa ser passada para a rede. Isso pode ser feito criando janelas de tempo, onde cada janela inclui um intervalo de tempo fixo e os valores correspondentes. Por exemplo, se você deseja prever os valores para os próximos 7 dias, pode criar janelas de tempo de 7 dias e alimentá-las para a RNN.
-
Dividir os dados em conjuntos de treinamento, validação e teste: Para treinar e avaliar sua rede neural, você precisa dividir seus dados em conjuntos de treinamento, validação e teste. O conjunto de treinamento é usado para treinar a rede, o conjunto de validação é usado para ajustar os hiperparâmetros da rede e o conjunto de teste é usado para avaliar a precisão final da rede.
-
Converter os dados em tensores: Finalmente, você precisa converter seus dados em tensores que possam ser usados como entrada para a RNN. Bibliotecas como Numpy e Tensorflow têm funções para converter matrizes e sequências em tensores, que são adequados para serem usados como entrada na RNN.
- 1
-
-
20 minutos atrás, Eolocos disse:
entoces, que fazer ?
por enquanto só estudar o dragão sem mexer com ele
- 1
-
agora eu fiquei em duvida
é mais facil ganhar jogando aleatorio,
ou escolher entre tantas variaveis de processamento para tentar descobrir as dezenas do proximo sorteio?
- 1
-
4 horas atrás, Sphgf disse:
Talvez em módulo daí não se tem valores negativos.
esse é apenas um tipo de pré processamento de dados
-
Imputação de dados faltantes: técnica utilizada para preencher os valores faltantes em um conjunto de dados, através da substituição desses valores por algum valor estimado ou calculado a partir dos dados existentes.
-
Redução de dimensionalidade: técnica utilizada para reduzir a quantidade de variáveis em um conjunto de dados, de forma a facilitar o treinamento do modelo e evitar o fenômeno conhecido como "maldição da dimensionalidade". Algumas técnicas de redução de dimensionalidade são a Análise de Componentes Principais (PCA) e a Análise de Fatores.
-
Seleção de características: técnica utilizada para selecionar as variáveis mais relevantes para o modelo, descartando as que não contribuem significativamente para a predição. Isso pode ajudar a melhorar a precisão do modelo e reduzir o tempo de treinamento.
-
Normalização: técnica utilizada para ajustar os dados em uma escala comum, de forma a evitar que os dados com maior magnitude dominem os dados com menor magnitude durante o treinamento do modelo.
-
Discretização: técnica utilizada para converter variáveis contínuas em variáveis discretas, agrupando os valores em intervalos ou categorias.
-
Transformação de dados: técnica utilizada para transformar os dados de entrada, de forma a facilitar o treinamento do modelo ou melhorar a performance. Algumas técnicas de transformação de dados são a normalização por logaritmo e a normalização por raiz quadrada.
CitarEssas são apenas algumas das técnicas de pré-processamento de dados mais comuns. A escolha da técnica adequada depende do tipo de dados e do problema a ser resolvido, e pode ser uma etapa crítica para obter bons resultados com modelos de aprendizado de máquina.
- 2
-
-
tem as funções de ativação,
sabe aquelas equações complicadas
tipo:
o gpt falou que é isso
Function sigmoid(x As Double) As Double sigmoid = 1 / (1 + Exp(-x)) End Function
CitarUma função de ativação é usada em uma rede neural para introduzir uma não-linearidade nas saídas dos neurônios. Sem a não-linearidade, uma rede neural seria apenas uma combinação linear de entradas e pesos, o que limitaria sua capacidade de modelar relacionamentos complexos entre as entradas e as saídas.
Ao introduzir uma função de ativação, a saída do neurônio é transformada em um valor não-linear. Isso permite que a rede neural modele relações mais complexas, como reconhecimento de padrões, classificação de imagens, detecção de anomalias, entre outros. Além disso, a função de ativação também ajuda a regularizar a rede neural, evitando overfitting (quando a rede neural se ajusta muito bem aos dados de treinamento e não generaliza bem para novos dados).
Existem muitas funções de ativação diferentes, cada uma com suas próprias vantagens e desvantagens em diferentes cenários. A escolha da função de ativação depende do tipo de problema que está sendo resolvido e da arquitetura da rede neural em si.
- 1
-
2 horas atrás, Eolocos disse:
muitas opções para escolher.
sim, muita coisa, mas nao vamos usar todas
pelo que o gpt me explicou um primeiro ponto que temos que fazer é normalizar os dados
CitarA normalização é uma técnica importante em machine learning, usada para transformar os dados em uma escala comum. Ela é frequentemente usada em redes neurais, por exemplo, para ajudar a evitar que os dados de entrada tenham uma influência excessiva sobre o treinamento do modelo.
Quando os dados possuem escalas diferentes, como no exemplo que você mencionou em que o valor mínimo é 1 e o valor máximo é 100, é difícil comparar diretamente esses dados com outros conjuntos de dados que possuem diferentes escalas. Normalizar os dados para uma escala comum, como a escala entre 0 e 1, pode tornar mais fácil comparar e combinar diferentes conjuntos de dados.
Além disso, a normalização também pode ajudar a acelerar o treinamento do modelo, já que os valores normalizados podem tornar a superfície de erro mais suave e, portanto, mais fácil de otimizar durante o processo de treinamento.
no caso seria
(X_norm = (X - X_min) / (X_max - X_min)),
exemplo da mega com a dezena 50
(50-1)/(60-1)
- 1
-
6 minutos atrás, Eolocos disse:
e não poderia ser utilizado o outro tópico já usado, IA e loteria ?
afinal, IA, redes neurais são primas
é né, até poderia, mas já criei o topico
mas tbm tem o fato que falar com uma ia é diferente de decidir uma ia para o serviço kkkk
o foco no caso seria a criação de uma rede neural para usar em loteria e nao pegar ideias sobre loterias com uma rede neural
- 1
possivel uso de redes neurais em loterias, vale a pena, e quais usar ?
in Tudo sobre Loterias
Posted
por isso que falei que em codigo fica mais simples de entender do que esse monte de matematica
o problema é que o gpt nao consegue completar o codigo, e quando pede para completar fica mó bagunça
mas as explicações que ele coloca do codiogo são show
esse tipo de pedido deu uma otima macro pena é o limite de linhas o que quebra o codigo
"uma rede neural simples em vba para poder aprender os conceitos , tipo usar uma matriz de dezenas de 15 colunas e "X" linhas contendo dezenas de 1 a 25 sem repetição por linha , quero criar uma rede neural para prever as dezenas da proxima linha da matriz "
ainda nao consegui criar um padrão que o gpt me desse o codigo em blocos que se casem
acho que poderia ver os nomes das funçoes e variaveis previamente para passar para ela