"New Neural" est un projet de moteur de réseau neuronal Open Source pour la plateforme MetaTrader 5. - page 19

 
LeXpert:
Au fait, un petit mot pour vous. La plupart des paquets de génétique pour les réseaux n'ont pas de génétique du tout. Et dans cette liste, c'est seulement pour les cases à cocher ou si les heuristiques sont manquantes (imho).
Au fait, ça vaut la peine de le mentionner. J'ai essayé d'utiliser ce logiciel en version de démonstration. Pour le procès, on a monté un tel stratagème que le diable se casse les jambes - le mieux placé pour s'acquitter de la tâche est juste GA. Tous les autres commencent à traîner, ou restent bloqués dans des locaux. C'est la raison pour laquelle GA y figure - pour les cas particulièrement graves. :)
 
Urain:

Au fait, pourquoi n'ont-ils pas BeckProp ? Ou est-ce que je comprends mal quelque chose ?

Oui, ils ne le font pas. Apparemment, il n'est pas disponible parce qu'il est problématique de l'utiliser avec de grands schémas de réseaux divers et de gestionnaires de pré/post.
 
joo:
Oui, il n'est pas là. Apparemment, il n'existe pas parce qu'il est problématique à utiliser avec de grands schémas de réseaux hétérogènes et de pré/post-manipulateurs.

Alors pourquoi ne pas utiliser ces trois paradigmes comme base ?

Algorithmes génétiques





Essaim de particules





Monte carlo


Ou y a-t-il quelque chose d'autre à ajouter ?

 
Urain:
Alors pourquoi ne pas utiliser ces trois paradigmes comme base ?
Oui, vas-y. Je vais m'en laver les mains et commencer un autre projet:) .
 
gpwr:
Au fait, Vladimir, souhaitez-vous exprimer votre point de vue et les grilles de manière plus générale ?
 
Urain:

Alors pourquoi ne pas utiliser ces trois paradigmes comme base ?

Algorithmes génétiques





Essaim de particules





Monte carlo


ou dois-je ajouter quelque chose d'autre ?

Le fait est que ces algorithmes sont universels et peuvent être appliqués à n'importe quoi.

Il existe d'autres "universels", mais ils ne sont pas très populaires et nous n'en avons pas besoin :

Линейное программирование — Википедия
  • ru.wikipedia.org
Линейное программирование — математическая дисциплина, посвящённая теории и методам решения экстремальных задач на множествах -мерного векторного пространства, задаваемых системами линейных уравнений и неравенств. Многие свойства задач линейного программирования можно интерпретировать также как свойства многогранников и таким образом...
 
LeXpert:
Uh-huh, prends-le. Je vais me laver les mains et commencer un projet alternatif :) .

Et surtout avec un cœur pur :o)

Andrey, continuez à faire ce que vous faites, moi (qui deviendra plus libéré) je me lancerai dans le moteur d'entrée graphique, enfin, en parallèle, le mien, et puis le temps montrera ce qui est mieux, puis les gens rattraperont leur retard.

 
LeXpert:
Uh-huh, prends-le. Je vais m'en laver les mains et commencer un autre projet :) .
C'est comme ça que ça se passe avec vous, les gars intelligents. Pas de compromis. "Soit je le fais à ma façon, soit je m'en lave les mains." Vous ne pouvez pas faire ça.
 
joo:

Le fait est que ces algorithmes sont universels et peuvent être appliqués à n'importe quoi.

Il en existe d'autres, mais les "universels" ne sont pas très populaires :

Par exemple, la méthode de Newton n'est définie que pour une fonction connue, si vous ne connaissez pas le type de fonction, vous ne pouvez pas la calculer purement et simplement, des méthodes quasi-newtoniennes sont utilisées pour cela (je ne peux pas me prononcer sur les autres, mais je suppose qu'il y a aussi des limites).

Là encore, il convient d'appliquer le modèle de sélection évolutionniste : si une méthode est inconnue, elle doit être boiteuse (à moins qu'elle n'ait été inventée hier et qu'elle soit simplement mal connue). La plupart des méthodes d'optimisation ont 300 ans.

 
Mischek:
C'est comme ça que ça se passe avec les gens intelligents. Pas de compromis. "Soit vous le faites à ma façon, soit vous vous en lavez les mains." Vous ne pouvez pas faire ça.
Le point crucial ici est que toutes ces méthodes nécessitent une mémoire supplémentaire pour l'apprentissage.