"New Neural" est un projet de moteur de réseau neuronal Open Source pour la plateforme MetaTrader 5. - page 74
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
Faisons une expérience, créons une grille de 1000 neurones avec 100 connexions par neurone, et affichons la taille du fichier
~6 MBytes
Réseau 100x1000x1 - full mesh
Attaché ;)
Maintenant, dites-moi s'il vous plaît, comment allez-vous le former ?
Je ne connais qu'un seul type de réseaux qui peuvent avoir une taille similaire, mais ils n'ont pas besoin d'être formés et stockés. Ils sont formés en une seule fois par l'échantillon de formation et le mémorisent stupidement.
Un tel réseau ne peut être entraîné par GA par tous les ordinateurs de tous les films de science-fiction réunis : la dimensionnalité de l'espace de recherche est de 100 000.
Ou plutôt, je pense qu'un tel réseau mémorisera simplement l'échantillon d'entraînement, et vous obtiendrez une capture d'écran de toute l'histoire au lieu d'une généralisation.
Vous devez être plus prudent dans votre choix d'architecture ;))
~6 MBytes.
Attaché ;)
Maintenant, dites-moi, s'il vous plaît, comment allez-vous l'enseigner ?
Oui, pour enseigner juste pas de problème, j'ai écrit ci-dessus que pour UGA 100 000 paramètres est une tâche acceptable, je ne peux pas dire que la bagatelle, mais faisable.
Mais la taille est tout à fait normale, vous n'avez plus à vous en soucier, comme on dit la question est close.
Ce n'est pas un problème de formation, j'ai écrit plus haut que pour UGA 100 000 paramètres est une tâche tout à fait acceptable, je ne peux pas dire que c'est facile, mais c'est faisable.
Mais la taille est tout à fait normale, vous n'avez plus à vous en soucier, comme on dit, la question est close.
Même si vous fixez la résolution de chaque paramètre à 0,1, le nombre de combinaisons possibles d'une recherche complète est de 10^100000
Vous avez une idée très brillante de l'AG.
Même si vous fixez la discrétisation de chaque paramètre à 0,1, le nombre de combinaisons possibles d'une recherche complète est de 10^100000
Vous avez une idée très brillante de l'AG
Je n'ai pas d'idées arc-en-ciel, j'ai une connaissance pratique de l'utilisation de cet algorithme. UGA n'est pas un algorithme binaire qui doit diviser l'espace de recherche en graphes.
UGA effectue une recherche parallèle dans toutes les mesures simultanément, pas à pas diminuant automatiquement, ce qui lui donne une possibilité de temps raisonnable pour atteindre un résultat robuste, et plus pour l'entraînement d'une grille et ce n'est pas nécessaire, plus loin il y aura un ré-entraînement. En général, le résultat est atteint en 10000-50000 FF, quel que soit le nombre de paramètres.
~6 MBytes
Réseau 100x1000x1 - full mesh
Attaché ;)
Maintenant, dites-moi s'il vous plaît, comment allez-vous le former ?
Je ne connais qu'un seul type de réseaux, qui peuvent avoir un ordre de grandeur similaire, mais ils ne s'entraînent pas et n'ont pas besoin d'être stockés. Ils sont formés en une seule fois par un échantillon d'entraînement et s'en souviennent stupidement.
Un tel réseau ne peut être entraîné par GA par tous les ordinateurs de tous les films de science-fiction réunis : la dimensionnalité de l'espace de recherche est de 100 000.
Ou plutôt, je pense qu'un tel réseau mémorisera simplement l'échantillon d'entraînement, et vous obtiendrez une capture d'écran de toute l'histoire au lieu d'une généralisation.
Vous devez être plus prudent dans votre choix d'architecture ;))
Il est clair que personne n'a besoin (est inutile) d'un tel réseau. C'est pourquoi nous parlons d'une architecture libre (évolutive).
Par souci d'expérimentation, je vais essayer de l'enseigner avec GA sur mon petit appareil avec N450. Que faut-il enseigner, combien d'exemples, d'erreurs, etc.
P.S. Tout en apprenant, je vais étudier vos codes.
Il est clair que personne n'a besoin d'un tel réseau (inutile). C'est pourquoi nous parlons d'architecture libre (évolutive).
Pour l'expérience, je vais essayer d'enseigner avec GA sur mon petit fer avec N450. Que faut-il enseigner, combien d'exemples, d'erreurs, etc.
Je n'ai pas d'idées arc-en-ciel, mais des connaissances pratiques sur l'utilisation de cet algorithme. UGA n'est pas un algorithme binaire qui a besoin de partitionner l'espace de recherche en graphes.
UGA effectue une recherche parallèle sur toutes les mesures simultanément, en réduisant étape par étape automatiquement, ce qui lui donne la possibilité d'atteindre un résultat robuste dans un temps raisonnable, et plus pour l'entraînement d'une grille aussi ce n'est pas nécessaire, plus il y aura de ré-entraînement. En général, le résultat est atteint en 10000-50000 FF, quel que soit le nombre de paramètres.
Remercié. Ce qui est souligné en gras est un résultat robuste (pas nécessairement un maximum absolu).
L'essentiel est qu'il est possible d'entraîner des mailles de très grande taille. Et c'est à chaque nœud particulier de décider si ces énormes maillages sont nécessaires. :)
Remercié. Ce qui est souligné en gras est un résultat robuste (pas nécessairement un maximum absolu).
L'essentiel est qu'il est possible d'entraîner des mailles de très grande taille. Et la nécessité de ces énormes maillages est laissée à la conscience de chaque nœud individuel. :)
Pour ne pas peindre une perspective complètement rose, nous devrions ajouter que, bien que le nombre d'exécutions de FF n'augmente presque pas (pour obtenir une solution robuste), le temps de recherche du résultat augmente, parce que l'algorithme doit exécuter des ordres de grandeur de plus de tableaux (donc il fait réellement plus d'opérations), mais dans un premier temps, il augmente linéairement, et deuxièmement, pendant les tests, la vitesse de FF et en particulier la vitesse de NS en tant que partie de FF a toujours été une pierre d'achoppement principale, avec une accélération sérieuse de NS sur GPU est attendue et l'accélération de la recherche de solution en général pour GA.
Et quel GA allez-vous enseigner ?
La question n'est pas de savoir lequel. Je me demande juste si l'AG, avec un matériel aussi faible, y arrivera ?
Une version allégée de l'algorithme joo.
La question n'est pas de savoir lequel. Je me demande juste si l'AG, avec un matériel aussi faible, y arrivera ?
Une version allégée de l'algorithme joo.