L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 604
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
C'était du badinage. Sans le badinage, tordre le tortillon et voir comment cela l'affecte.
Si les entrées sont adéquates pour la tâche, vous pouvez le faire sur "1 neurone".
Dans le contexte du mo, idéologiquement correct à toxic-a.
--------------
Professeur sur les réseaux profonds - youtu.be/qx3iM2aa2yU
31 min "Il n'y a pas encore beaucoup de science, mais beaucoup de magie vaudou".
Les étapes du développement caractérisées par un taux de changement élevé sont spécialement nommées : le saut.
La fonction d'activation (sigmoïde, tanh et autres) est un saut, modifié par l'introduction d'une limite sur la vitesse de changement.
Combien de temps faudra-t-il encore pour que les "chercheurs" ici présents réalisent la signification de ce fait...
il ne fonctionne pas en forex)
Les étapes du développement caractérisées par un taux de changement élevé sont appelées "saut".
La fonction d'activation (sigmoïde, tanh et autres) est un saut, modifié par l'introduction d'une limite sur le taux de changement.
Combien de temps faudra-t-il pour que les "chercheurs" ici présents saisissent la signification de ce fait...
quel est l'intérêt de donner un sens à quelque chose sans preuve réelle de robustesse ?
je préfère les déclarations de ce genre : voici une courbe de croissance des dépôts (au moins sur le test)... et vous êtes tous des m...kikes maintenant azzaz... alors oui, pas de questions
Quel est l'intérêt d'être conscient de quelque chose sans preuve réelle de sa robustesse ?
Avez-vous compris ce que vous venez de dire... ?
Vous savez ce que vous dites ?...
Je le fais.
Le processus d'apprentissage peut également inclure l'optimisation de la pente, ce que j'ai fait mais uniquement pour la logique floue. La pente peut faire une grande différence, oui.
Vous avez donné un lien vers un article https://habrahabr.ru/post/322438/
Si un graphique de la fonction d'erreur d'un réseau neuronal est tracé ainsi (il est affiché ici dans les tangentes) :
Bien entendu, il est possible de construire quelque chose de similaire en utilisant une sigmoïde, mais la pente des sections individuelles sera plus faible.
Si la sigmoïde est moins abrupte, vous pouvez probablement faire la même chose avec les tangentes, vous devez juste les prendre 3 à 5 fois plus. C'est-à-dire augmenter le nombre de neurones.
Probablement que la sigmoïde m'a donné moins d'erreur, parce que je n'avais pas le nombre de neurones dans le réseau à la tangence.
Qui a une opinion ? Est-il préférable d'étudier le commerce et de payer de l'argent ou de le faire gratuitement ? Et une autre question : cela vaut-il la peine de dépenser de l'argent pour des cours payants ?
J'ai pensé à l'article https://www.mql5.com/ru/articles/497 où la pente de la fonction d'activation change et je suis arrivé à la conclusion que le réseau trouvera la bonne pente par lui-même :
Voir la formule :
Lors de l'apprentissage, le réseau doit capter les multiplicateurs Wn. S'il est plus rentable pour le réseau de totaliser *0,4, alors il prendra simplement tous les poids de Wn, dont chacun sera déjà *0,4. C'est-à-dire que nous mettons simplement entre parenthèses le multiplicateur total, qui sera lui-même déterminé par l'erreur minimale.
Si quelqu'un n'est pas d'accord, merci de corriger.
J'ai pensé à quelque chose... et j'en suis arrivé à la conclusion que le réseau trouvera la bonne pente tout seul :
Exactement. Le NS augmentera ou diminuera proportionnellement tous les poids de la bonne quantité (qui sera -steepness), et prendra même le bon offset.
De toute façon, pour la plupart des tâches, cela n'a pas d'importance.