Re: Logiciel Keno - LacNeuroKeno - Discussions générales

par Maverik Mar 28 Mai - 11:17

En ce moment , mon emploi du temps est un peu tendu . j'essaierai de comprendre ce que tu souhaites et de répondre dans la semaine .

par MATH06 Mar 28 Mai - 19:11

TERMINATORLOTO a écrit:Question Math06..
pour combien de sorties calcule tu la probabilité de succés ?
Nombre de succés favorables possibles. / Nombre total d'issues possibles...

je fais des essais à 7 tirages, 14 et 28. Je ne sais pas si j'ai bien compris la question...De ce que j'ai compris, les combis binomiales bernoulli ne sont pas sensibles au nb de tirages. Du coup, à 7 ou à 45 tirages, ce sont toujours les mêmes combinaisons qui sortent. Par contre, vu qu'il y a 9 pronostics, c'est long pour tout récupérer. D'où mon souhait si cela était possible, d'avoir toutes ces combis (2à 10) générées dans une synthèse comme les pronostics P1 à P6...

par MATH06 Dim 23 Juin - 19:42

Bonsoir,

le logiciel LacNeurokeno ne fait plus les mises à jour depuis le 21/06 (tirage du soir).
Y a t il un problème chez moi ou les tirages ne sont ils pas mis à jour (ils me semblent que les tirages ne sont pas captés sur fdj mais sur le forum?) ?
Le fichier csv ne contient que les tirages jusqu'au 21/06.
Merci pour vos retours.
Math

par MATH06 Lun 24 Juin - 12:39

bonjour,
merci , c'est rétabli.

Math

par Maverik Lun 19 Aoû - 11:16

Petit rappel d'un post "Discussion" pour expliquer les modifications apportées au module "Réseau de Neurones" dans la version LacNeuroKeno1_1:

Après des essais du réseau de neurones que j'ai embarqué dans LNK , je souhaite faire quelques observations .
Ce réseau fonctionne avec 3 "méthodes" de propagation avant et de rétropropagation . - descente de gradient -SGD -RMS après avoir essayé différentes configurations de calculs : - nombres de tirages d'apprentissage de 45 à 135 tirages - différents taux d'apprentissage - différentes configurations du réseau de 20 à 500 couches les calculs donnent toujours des combinaisons représentées par les numéros les plus sortis sur la durée d'apprentissage .

Suite à ces observations , j'ai revu ma position . j'ai laissé tomber mes recherches sur les optimisations Rms , adam et autre pour me fixer sur la SGD .
Ensuite , j'ai commencé à introduire des statistiques diverses dans les entrées et les cibles des réseaux.

J'ai ainsi programmé 4 variantes . C'est le descriptif des ces variantes que je poste ici pour vous présenter mes travaux . La nouvelle version de LacNeuroKeno fonctionne et est téléchargeable .

Description Détaillée des Variantes pour la Prédiction des Tirages de Keno

Pour optimiser les prédictions des tirages de Keno, plusieurs variantes ont été développées, chacune apportant des approches et des méthodes spécifiques pour améliorer la précision des résultats. Voici un descriptif détaillé des quatre variantes, mettant en lumière leurs particularités et avantages.

Variante 1 : Entrées Pondérées et Normalisation Basique

La première variante utilise une approche de calcul des valeurs d'entrée en pondérant différentes sources de données : les données historiques des tirages, la fréquence relative des numéros, les occurrences de déjà vu, les moyennes mobiles et l'entropie des numéros. Ces coefficients permettent de moduler l'impact de chaque facteur sur les valeurs d'entrée.

Calcul des Entrées : Les valeurs d'entrée sont calculées en utilisant une combinaison linéaire de différentes sources de données pondérées par des coefficients spécifiques. Les coefficients (coef1 à coef5) sont appliqués respectivement aux données historiques, à la fréquence relative, aux occurrences de déjà vu, aux moyennes mobiles et à l'entropie des numéros. Les valeurs sont ensuite contraintes entre 0 et 0.99 pour éviter les extrêmes.
Calcul des Valeurs Cibles : Les valeurs cibles sont calculées en normalisant la fréquence des numéros tirés par le total des tirages. Cette normalisation est ajustée pour garantir que les valeurs restent entre 0 et 0.99. Ensuite, les valeurs cibles sont ajustées en fonction de l'entropie maximale des numéros, assurant une distribution équilibrée et réaliste des probabilités des numéros.
Propagation Avant et Calcul de la Perte : Les valeurs normalisées sont ensuite propagées à travers un réseau de neurones (réseauKenos). La fonction de perte est calculée en utilisant une fonction de perte logarithmique, tenant compte des probabilités des numéros tirés et non tirés. Cette approche permet de quantifier la divergence entre les valeurs cibles et les sorties du réseau de neurones, facilitant l'optimisation des poids du réseau.
La routine de rétropropagation est exécutée pour ajuster les poids du réseau de neurones :

Variante 2 : Facteurs d'Entropie et Équilibrage des Valeurs Cibles

La seconde variante introduit des ajustements pour les valeurs cibles en utilisant un facteur d'entropie pour équilibrer les fréquences des numéros. Cette approche vise à pondérer les fréquences des numéros par leur entropie relative, réduisant ainsi l'impact des numéros les plus fréquents et équilibrant la distribution des valeurs cibles.

Calcul des Entrées : Similaire à la première variante, les valeurs d'entrée sont calculées en combinant plusieurs sources de données pondérées. Les valeurs sont également contraintes entre 0 et 0.99 pour éviter les valeurs extrêmes.
Ajustement des Valeurs Cibles : Les valeurs cibles sont ajustées en utilisant un facteur d'entropie, permettant de pondérer la fréquence des numéros par leur entropie relative. Les valeurs cibles sont recalculées en tenant compte de l'entropie maximale des numéros, et sont ensuite normalisées pour garantir qu'elles restent entre 0 et 0.99.
Sorties Prédites et Perte : Après la propagation avant, les sorties prédictes sont affichées et la perte est calculée de manière similaire à la première variante, avec une attention particulière aux numéros cibles marqués pour les tirages. Cette méthode permet de mieux évaluer la performance du réseau en prenant en compte les numéros effectivement tirés.
La routine de rétropropagation est exécutée pour ajuster les poids du réseau de neurones :

Variante 3 : Normalisation Statistique des Fréquences

La troisième variante se distingue par l'utilisation de la normalisation statistique des fréquences des numéros sur une fenêtre glissante. Cette méthode permet de prendre en compte les variations historiques des fréquences des numéros, offrant une approche plus dynamique et réactive aux changements dans les tirages.

Calcul des Entrées : Comme pour les variantes précédentes, les valeurs d'entrée sont calculées en combinant différentes sources de données pondérées. Les coefficients appliqués assurent que chaque source de données contribue de manière significative à la valeur finale d'entrée.
Statistiques des Fréquences : Cette variante calcule la moyenne et l'écart type des fréquences des numéros sur une fenêtre glissante. Les valeurs cibles sont ensuite normalisées par rapport à ces statistiques. Cette méthode permet de prendre en compte la variabilité des fréquences des numéros sur une période donnée, offrant une représentation plus précise et dynamique des valeurs cibles.
Normalisation et Propagation Avant : Les valeurs d'entrée sont normalisées par l'entropie maximale et propagées à travers le réseau de neurones. La perte est calculée en utilisant une fonction de perte logarithmique, similaire aux variantes précédentes, mais en tenant compte des valeurs cibles normalisées statistiquement.
La routine de rétropropagation est exécutée pour ajuster les poids du réseau de neurones :

Variante 4 : Facteurs de Tendance, de Combinaison et de Variance

La quatrième variante introduit des facteurs avancés pour affiner les valeurs cibles, incluant des facteurs de tendance, de combinaison et de variance. Cette approche intègre des analyses statistiques plus approfondies pour améliorer la précision des prédictions.

Calcul des Entrées : Les valeurs d'entrée sont calculées de manière similaire aux variantes précédentes, en utilisant des pondérations spécifiques pour différentes sources de données. Les valeurs sont également contraintes entre 0 et 0.99 pour maintenir des entrées dans une plage raisonnable.
Statistiques Avancées des Fréquences : Cette variante calcule non seulement les moyennes et les écarts types, mais aussi des facteurs de tendance (pondération des tirages récents), de combinaison (fréquence des combinaisons de numéros) et de variance (ratio variance/moyenne). Les facteurs de tendance sont calculés en donnant plus de poids aux tirages récents, les facteurs de combinaison mesurent la fréquence des paires de numéros tirés ensemble, et les facteurs de variance évaluent la stabilité des fréquences des numéros.
Intégration des Facteurs dans les Valeurs Cibles : Les valeurs cibles sont ajustées en utilisant les nouveaux facteurs de tendance, de combinaison et de variance. Cette méthode permet de prendre en compte les tendances récentes, les combinaisons fréquentes et les variations des fréquences des numéros, offrant une représentation plus complète et précise des probabilités des numéros.
Normalisation et Propagation Avant : Les valeurs d'entrée normalisées sont propagées à travers le réseau de neurones. La perte est ensuite calculée en utilisant une méthode similaire aux autres variantes, mais avec une attention particulière aux nouvelles valeurs cibles pondérées par les facteurs avancés. Cette approche permet d'améliorer l'apprentissage du réseau en intégrant des informations plus riches et diversifiées sur les tirages.
La routine de rétropropagation est exécutée pour ajuster les poids du réseau de neurones :

Conclusion

Chaque variante présente des approches uniques pour le calcul des valeurs d'entrée et des valeurs cibles, ainsi que pour la normalisation et la propagation à travers le réseau de neurones. La première variante se concentre sur une pondération linéaire des données, tandis que la deuxième introduit un équilibrage par entropie. La troisième utilise une normalisation statistique des fréquences, et la quatrième intègre des facteurs avancés pour affiner les valeurs cibles.
Le choix de la variante à utiliser dépend des besoins spécifiques et des objectifs de précision des prédictions. Les utilisateurs peuvent choisir la variante la mieux adaptée en fonction de la complexité des données et des résultats souhaités. Par exemple, si l'on souhaite une approche simple et efficace, la première variante peut être appropriée. Pour une prédiction plus équilibrée, la seconde variante avec les facteurs d'entropie peut être choisie. La troisième variante est idéale pour ceux qui veulent intégrer des variations historiques dynamiques, et la quatrième variante est la plus avancée, offrant une prédiction sophistiquée en intégrant plusieurs facteurs analytiques. En fin de compte, la flexibilité et la diversité de ces variantes permettent d'améliorer continuellement la précision des prédictions de tirages de Keno.

[Vous devez être inscrit et connecté pour voir ce lien]

par Maverik Lun 19 Aoû - 11:18

Et enfin après fermeture de la fenêtre "courbe de réponse" , la page de résultats :

[Vous devez être inscrit et connecté pour voir ce lien]

par Contenu sponsorisé