L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 605
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Voglio determinare automaticamente il numero di neuroni nella rete. Quali sono le formule per calcolarlo?
Ho letto da qualche parte che l'inlayer dovrebbe essere la metà del livello di input, 2 strati al massimo, non più ha senso
per MLP
Dovreste andare da Gerchik o andare direttamente da Perepelkin se volete seriamente investire nell'educazione.
Perepelkin non insegna più, ha avuto abbastanza ventose e ha aperto un dc.
Ho letto da qualche parte che l'inlayer dovrebbe essere la metà del livello di input, massimo 2 strati, non più ha senso
è per MLP
Assolutamente senza senso. Può essere meno o più - dipende dal compito. Heikin (credo che tu ne abbia uno) descrive come e perché.
Non ho visto questa informazione da lui, forse non l'ho letta attentamente.
Non ho visto questa informazione da lui, forse non l'ho letta attentamente.
Il secondo strato è di solito più grande dello strato di input, perché inizia ad estrarre le caratteristiche, e ci possono essere molte caratteristiche, anche se si ha una classificazione sì/no.
Heikin ce l'ha di sicuro, ed è scritto molto meglio del mio).
Assolutamente senza senso. Ci possono essere meno o più neuroni e strati - dipende dal compito. Haykin (credo che tu lo abbia) descrive come e perché.
Ho visto una variante sul numero di ingressi / 2 e altre.
Come calcolare automaticamente la variante ottimale?
Ho visto il numero di ingressi / 2 opzione e altri.
Come faccio a calcolare automaticamente l'opzione migliore?
Il secondo strato è di solito più grande dello strato di input, poiché inizia ad estrarre le caratteristiche, e ci possono essere molte caratteristiche, anche se si ha una classificazione sì/no.
Heikin ce l'ha sicuramente, ed è scritto molto meglio del mio).
La regola empirica è che la dimensione di questo strato [nascosto] è da qualche parte tra la dimensione dello strato di input ... e la dimensione dello strato di uscita ....
Per calcolare il numero di nodi nascosti, usiamo la regola generale: (Numero di ingressi + uscite) x 2/3
Questa è la raccomandazione più comune... ma in generale ci sono metodi di determinazione, devi leggere google, ma è complicato lì
NS non estrae alcuna caratteristica, le caratteristiche sono alimentate all'input. O si declassa o si taccheggia tutte le combinazioni (con un numero crescente di neuroni).
Una citazione sulla scelta del numero di strati:
Una rete con tre strati (numLayers=3: un input, un hidden e un output) è solitamente sufficiente nella maggior parte dei casi. Secondo il teorema di Tsybenko, una rete con uno strato nascosto è in grado di approssimare qualsiasi funzione continua multidimensionale a qualsiasi grado di precisione desiderato. Una rete con due strati nascosti è in grado di approssimare qualsiasi funzione discreta multidimensionale.
Mi chiedo se l'analisi delle barre si riferisce a una funzione continua o discreta.
NS non estrae alcuna caratteristica, le caratteristiche sono alimentate all'input. Ridimensiona o taccheggia tutte le combinazioni (con un numero crescente di neuroni).