人工智能神经网络在双色球彩票中的应用研究

最近着迷于人工神经网络(Neural Networks)在双色球彩票中的应用研究,几年前就曾经对人工智能神经网络感兴趣了,但一直觉得太高深不敢去研究,最近偶然听到一个美国加州理工学院讲这个的网易公开课的课程感觉并没有想象那么难,加上已经相比几年前对双色球已经有了更深入的研究和技术水平也有了比较大的提升所以准备着手研究下,下面先分享已经了解到的一些笔记,以后研究成果出来将逐步更新内容。

首先回答下大部分人会问的问题:人工智能神经网络是什么?

这个比较复杂,一两句话说不清楚的,在我的QQ群文件里面有些相关文档,博客上也有相关介绍文章。

神经网络的好处就是可以自己纠正,可以自己生成节点,错误的输入也可以给你输出接近正确的结果。
这个就是为什么叫做智能,他会自动根据情况跟人脑思维一样进行学习,进化而不是单纯的执行命令了。
我现在用的过滤算法就是单线的执行,根据我的输入根据写好的逻辑算法直接给出输出,没有自动纠错功能,容错性比较差。

你可以把他想象成一个有人的思维的超级强大计算,学习能力的大脑,可以处理大量数据,复杂算法轻松得出结果,而且有自我学习,发现新的规律的,越来越聪明,越来越能够得出你想要的准确数据的东西。

目前本人主要研究的是:马尔可夫链的抽象数学模型,BP神经网络算法在双色球预测中的应用。

http://www.matlabsky.com/forum-105-1.html
http://www.matlabsky.com/forum-112-1.html
《量化投资:以MATLAB为工具》

MATLAB神经网络43个案例分析,这个还有上面这本书,对研究双色球应该有帮助
http://www.matlabsky.com/
这个网站不错,非常多的资源,有上面两本书和这个社区,神经网络在双色球预测上的应用实现应该问题不大

——————————————————————————

加州理工学院公开课:机器学习与数据挖掘_全18集_网易公开课
http://v.163.com/special/opencourse/learningfromdata.html
这个网易公开课感觉不错,对用机器学习来进行彩票预测比较有用

感知器算法,条件集合算法这个可以利用起来
非引导性算法这个挺有意思的,他举了个学习语言的例子,到当地去听一个月后就开始起作用了
非引导性还需要信息输入,加强性学习这个跟小孩子学习一样,不需要输入通过不断尝试自己确认出模型,更高级的学习模型
机器学习是用最少的假设,覆盖最广发的问题
刚听完机器学习的第一课,感知器,条件集合算法,引导性算法,非引导性算法,加强性学习算法,最小优化算法,贝叶斯定理,人工神经网络这些可以利用起来。

讲师:Yaser Abu-Mostafa
职业:加州理工学院电气工程和计算机科学教授,主要研究领域为机器学习和计算金融学,多次获得校内外教学奖;IEEE神经网络协会创始人之一;第二届和第四届国际资本市场中的神经网络会议主席,第六届国际计算金融学会议主席;目前是多个科学咨询委员会成员,已担任花旗银行机器学习技术顾问达9年。
加州理工学院在《泰晤士报高等教育》2010年世界大学排名中位列全球第2位。而在物理、行星科学、地理学领域公认为全美第一,世界第一。

神经网络这课讲到主要有:感知学习算法,随机梯度下降算法,反向传播算法,抽样误差函数,迭代算法,局部极小值,函数最优化最小值,智能学习,多层感知器网络可以实现单层感知器实现不了的事情,神经网络能够找出最优化解,非线性函数,前馈性,软性阀值,递归性,傅立叶变换,偏微分,链式法则,均方误差,求偏导,向前传播,逆向传播,权重赋值,随机性的重要性,非线性变换,冲量项,二阶数量,曲面,动量,共厄梯度,支持向量机,模型选择,组合优化,多次运算得到更合理的最小值,权重vc值,临界值,隐藏层,学习速率,遗传算法,经验法则。
神经网络的核心就是:输入已知条件和权重值,通过上层判断(加入随机因素)结果再输出给下一层,迭代下去直到输出最终结果。
随机性,权重很重要。
有空我考虑下把之前那些过滤算法弄成一个基本是神经网络模型出来,自动根据历史记录判断选择临界值范围和权重输出。

加入神经网络算法,加入各层随机数,权重,顺序,输入初始值和要求输出目标注数后,
由里面的算法决策选择,优先选择高概率,高权重的过滤算法,逐层调整各种参数范围,未达到目标自动循环调整参数范围。

前馈网络只在训练过程会有反馈信号,而在分类过程中数据只能向前传送,直到到达输出层,层间没有向后的反馈信号。
自组织神经网络是一种无导师学习网络。它通过自动寻找样本中的内在规律和本质属性,自组织、自适应地改变网络参数与结构。
先实现个简单点的前馈网络,最终目标是实现自组织神经网络。
———————————————————
综合利用,把这些当作训练参数输入到人工神经网络里面,让机器自动学习
让他自己根据这些经验规律去发现更多的规律
其实人可以发现很多规律,但计算统计不给力,通过机器他可以日夜不停地高速计算
把人的思维内容输入到电脑,结合电脑的记忆计算能力配合起来就非常强大了

机器用于处理大数据有先天优势,但数学模型一定要正确

神经网络的好处就是可以自己纠正,可以自己生成节点,错误的输入也可以给你输出接近正确的结果‘
这个就是为什么叫做智能,而不是单纯的执行命令了
我现在用的过滤算法就是单线的执行,根据我的属于直接给出输出,没有自动纠错功能,容错性太差

马尔可夫链的数学模型抽象的简单一些,网上资料相对多一点儿,还有现成代码,但BP神经网络的就比较少了,都是纯理论和论文一类的
可以两个算法结合起来。

============================================

人工神经网络软件Matlab 2014a安装使用及相关教程 | 流风
http://www.ssqhm.com/1145.html

相关电子书和文库请自行到百度,google,百度文库,google文献搜索等地方搜索,也可以加入QQ群到群文件下载,下面给出一些连接例子。

用遗传算法优化BP神经网络的Matlab编程实例 [引用 2007-08-29 ..._百度文库
http://wenku.baidu.com/view/775d190f79563c1ec5da71e9.html

彩票数据预测算法(一):离散型马尔可夫链模型实现【附C#代码】 - asxinyu - 博客园
http://www.cnblogs.com/asxinyu/p/3532076.html

神经网络编程入门 - 苍梧 - 博客园
http://www.cnblogs.com/heaad/archive/2011/03/07/1976443.html

==========================================================

 Encog for Java首页、文档和下载 - Java神经网络框架
http://www.oschina.net/p/encog-java
https://code.google.com/p/encog-java/
Encog是一种先进的神经网络和漫游编程库。 Encog可以单独使用或者建立神经网络或HTTP爬虫程序。 Encog还包括类,结合这两种先进的功能。 Encog包含前馈神经网络,Hopfield神经网络的课程,并自组织地图。
训练可使用反向传播,模拟退火和遗传优化来实现。提供用于修剪神经网络的其他类。
这个可以参考参考,开源的可以看到实现代码
感觉读下这个相关的源代码会对理解神经网络很有帮助
 Books for Neural Networks, Encog, and Artificial Intelligence | Heaton Research
http://www.heatonresearch.com/http://www.heatonresearch.com/fun
还提供在线的javascript版本的神经网络例子双色球预测合买

QQ群二维码:QQ群二维码

暂无评论

发表评论

快捷键:Ctrl+Enter