Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 605
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich möchte automatisch die Anzahl der Neuronen im Netz bestimmen. Wie lauten die Formeln zur Berechnung?
Ich habe irgendwo gelesen, dass die Eingangsschicht halb so groß sein sollte wie die Eingabeschicht, maximal 2 Schichten, mehr macht keinen Sinn
für MLP
Sie sollten zu Gerchik oder direkt zu Perepelkin gehen, wenn Sie ernsthaft in die Bildung investieren wollen.
Perepelkin unterrichtet nicht mehr, er hat genug Lutscher bekommen und ein dc eröffnet.
Ich habe irgendwo gelesen, dass die Eingangsschicht halb so groß sein sollte wie die Eingabeschicht, maximal 2 Schichten, mehr macht keinen Sinn
Es ist für MLP
Das ist absoluter Unsinn. Es kann weniger oder mehr sein - das hängt von der Aufgabe ab. Heikin (ich glaube, Sie haben einen) beschreibt, wie und warum.
Ich habe diese Informationen von ihm nicht gesehen, vielleicht habe ich sie nicht sorgfältig gelesen.
Ich habe diese Informationen von ihm nicht gesehen, vielleicht habe ich sie nicht sorgfältig gelesen.
Die 2. Schicht ist in der Regel größer als die Eingabeschicht, weil sie mit der Extraktion von Merkmalen beginnt, und es kann eine Menge solcher Merkmale geben, selbst wenn Sie eine Ja/Nein-Klassifizierung haben.
Heikin hat es auf jeden Fall, und zwar viel besser als ich.)
Das ist absoluter Unsinn. Es kann weniger oder mehr Neuronen und Schichten geben - das hängt von der Aufgabe ab. Haykin (ich glaube, Sie haben ihn) beschreibt, wie und warum.
Ich habe eine Variante über die Anzahl der Eingänge / 2 und andere gesehen.
Wie lässt sich die optimale Variante automatisch berechnen?
Ich habe die Option Anzahl der Eingänge / 2 und andere gesehen.
Wie kann ich automatisch die beste Option berechnen?
Die 2. Schicht ist in der Regel größer als die Eingabeschicht, da sie damit beginnt, Merkmale zu extrahieren, und es kann eine Menge solcher Merkmale geben, selbst wenn Sie eine Ja/Nein-Klassifizierung haben.
Heikin hat sie definitiv, und sie ist viel besser geschrieben als meine).
Als Faustregel gilt, dass die Größe dieser [verborgenen] Schicht irgendwo zwischen der Größe der Eingabeschicht liegt ... und die Größe der Ausgabeschicht ....
Um die Anzahl der versteckten Knoten zu berechnen, wird die allgemeine Regel verwendet: (Anzahl der Eingänge + Ausgänge) x 2/3
Dies ist die häufigste Empfehlung... aber im Allgemeinen gibt es verschiedene Methoden zur Bestimmung, man muss nur Google lesen, aber es ist kompliziert
NS extrahiert keine Merkmale, die Merkmale werden der Eingabe zugeführt. Dabei werden alle Kombinationen entweder heruntergerechnet oder eingekerbt (mit zunehmender Zahl der Neuronen).
Ein Zitat über die Wahl der Anzahl der Schichten:
Ein Netz mit drei Schichten (numLayers=3: eine Eingabe, eine versteckte und eine Ausgabe) ist in den meisten Fällen ausreichend. Nach dem Tsybenko-Theorem ist ein Netz mit einer versteckten Schicht in der Lage, eine beliebige mehrdimensionale kontinuierliche Funktion mit beliebiger Genauigkeit zu approximieren. Ein Netz mit zwei verborgenen Schichten ist in der Lage, jede diskrete mehrdimensionale Funktion zu approximieren.
Ich frage mich, ob sich die Balkenanalyse auf eine kontinuierliche oder diskrete Funktion bezieht.
NS extrahiert keine Merkmale, die Merkmale werden der Eingabe zugeführt. Alle Kombinationen werden entweder verkleinert oder eingekerbt (mit zunehmender Zahl der Neuronen).