Réseaux neuronaux hybrides. - page 3
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
Où ai-je écrit que je les ai tous croisés... ?
->
IlyaA a écrit(a) >>
Oh oui, le réseau aux premiers stades est full mesh, enfin, ou comme les réseaux de convolution, mais il y a beaucoup de couches). Et tout ce bonheur est multiplié par 10 et commence à s'accoupler. Nous avons donc 10x.
IlyaA a écrit (a) >>
Tu n'as rien lu sur XOR ?
Révéler la structure de la grille (qui compte 200 instances).
Et à propos du nombre de poids, pendant que j'écrivais le post, vous avez répondu. Je n'ai pas corrigé mon propre message.
Il s'avère donc que le nombre d'échelles = 50*60+60+60*39+39*2+2=5519. C'est bien ça ?
Et qu'est-ce que 200 pièces ont à voir avec ça ? Tu n'en as parlé nulle part.
A IlyaA et gumgum
Pourquoi utilisez-vous 2 couches cachées ? Une couche cachée est suffisante pour tout problème. C'est prouvé mathématiquement.
->
Et à propos du nombre de balances, pendant que j'écrivais mon post, vous avez répondu. Je n'ai pas corrigé mon propre message.
Il s'avère donc que le nombre d'échelles est de 50*60+60+60+39+39+2+2=5519. C'est bien ça ?
Et qu'est-ce que 200 pièces ont à voir avec ça ? Tu n'en as parlé nulle part.
Oui, il y a autant d'échelles.
Veuillez divulguer la structure de votre perceptron, dont la population compte 200 spécimens (difficulté d'estimation).
A IlyaA et gumgum
Pourquoi utilisez-vous 2 couches cachées ? Une couche cachée est suffisante pour tout problème. Prouvé mathématiquement.
Que savez-vous des moustiquaires enroulables ? Il y a au moins quatre couches. Quatre couches.Révéler la structure de la grille (qui compte 200 spécimens chacun).
Recommandez-vous d'augmenter la population ? Si ça ne vous dérange pas, faites une petite expérience. Combien faudrait-il pour entraîner une tâche simple (temps, nombre de populations) pour 200 individus et pour 25 individus. Laissons le reste inchangé. Pour l'instant, je n'ai pas fait d'expérience.
Ahh, c'était une question sur mes 200 spécimens ?, il n'y a pas de point d'interrogation, donc je n'ai pas compris.
Ma grille : 400-600-200. Le total est de 360800 poids.
Oui, je recommande d'augmenter la population.
A propos de l'expérience. J'ai beaucoup expérimenté avec le nombre d'individus dans la population. Et je ne veux pas perdre de temps à faire d'autres expériences. La réponse n'est pas évidente. Cela dépend beaucoup de l'algorithme de l'AG et du critère d'arrêt utilisé. Il est évident que la plupart du temps est consacré à la fonction de fitness elle-même, alors que le temps d'exécution d'un algorithme GA pur est négligeable. Il est donc raisonnable d'essayer de réduire le nombre d'exécutions de ffs. Vous pouvez y parvenir de différentes manières. Et le plus simple est de choisir le nombre d'individus dans la population.
Si l'on prend un très grand nombre d'individus, environ 1000, alors le meilleur individu est trouvé très rapidement, en termes de dépassement du nombre d'époques, mais la fonction de fitness est exécutée 1000*n fois, où n est le nombre d'époques. Ce n'est pas bon - cela prend beaucoup de temps.
Si nous prenons un nombre trop faible d'individus dans une population, disons 10-25, alors il n'y a pas assez de patrimoine génétique dans la population pour la recherche, le temps de recherche augmente, toujours du fait que le nombre de passages de ff augmente.
Option optimale je pense 200 individus dans la population.
Je voudrais également vous conseiller ceci. Créez une population supplémentaire dans laquelle vous placez les meilleurs individus de chaque époque (je l'appelle "pool génétique d'époque" ou GE). Lors de l'accouplement, prenez des individus de la population actuelle et de la GE. Cela réduit considérablement le nombre de démarrages intempestifs. Il ne faut pas confondre cela avec la sélection de l'élite.
Que savez-vous des filets enroulés ? Il y a, genre, quatre couches. Quatre couches.On s'appelle déjà gentiment par nos prénoms ? >> OK.
Je ne sais pas ce qu'est un réseau de convolution. Pourquoi quatre couches ? Pouvez-vous m'expliquer, ainsi qu'à ceux qui pensent qu'une couche interne (cachée) est suffisante ? Il n'est pas nécessaire de compliquer l'algorithme. Ce n'est pas facile à calculer comme ça.
Et votre GA est implémenté dans quoi ? MQL ?
On s'appelle déjà gentiment par nos prénoms ? Ok.
Je ne sais pas ce qu'est un filet enroulé. A quoi servent les quatre couches ? Pouvez-vous m'expliquer, ainsi qu'à ceux qui pensent qu'une couche interne (cachée) est suffisante à l'œil ? Il n'est pas nécessaire de compliquer l'algorithme. C'est déjà assez difficile à calculer.
Il y a un livre de Haykin. Réseaux neuronaux ?à dentraf
MQL4
à IlyaA
Oui, je le fais. Et aussi environ 200-300 livres de différents auteurs. Mais j'ai pensé que je maîtriserai NN et GA par moi-même plus vite que de lire cette bibliothèque. Et c'est ce qui s'est passé. Plus vite.
Par maîtrise, j'entends l'application pratique, et non la maîtrise de la terminologie.
Si vous prenez un très grand nombre d'individus, environ 1000, le meilleur individu est trouvé très rapidement, en termes de passage du nombre d'époques, mais la fonction de fitness est exécutée 1000*n fois, où n est le nombre d'époques. Ce n'est pas bon - cela prend beaucoup de temps.
Si nous prenons un nombre trop faible d'individus dans une population, disons 10-25, alors il n'y a pas assez de patrimoine génétique dans la population pour la recherche, le temps de recherche augmente, toujours du fait que le nombre de passages de ff augmente.
Variante optimale je pense 200 individus dans la population.