Reti neurali ibride. - pagina 3
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
Dove ho scritto che li ho tutti incrociati...?
->
IlyaA ha scritto(a) >>.
Oh sì, la rete ai primi stadi è full mesh, beh, o come le reti di convoluzione, ma ci sono molti strati). E tutta questa felicità viene moltiplicata per 10 e inizia ad accoppiarsi. Quindi abbiamo 10x.
IlyaA ha scritto (a) >>.
Non hai letto di XOR?
Rivela la struttura della griglia (che da 200 istanze).
E sul numero di pesi, mentre scrivevo il post, hai risposto. Non ho corretto il mio stesso post.
Quindi, risulta: il numero di scale = 50*60+60+60*39+39*2+2=5519. È giusto?
E cosa c'entrano 200 pezzi? Non ne hai scritto da nessuna parte.
A IlyaA e gumgum
Perché stai usando 2 strati nascosti? Uno strato nascosto è sufficiente per qualsiasi problema. È dimostrato matematicamente.
->
E riguardo al numero di scale, mentre scrivevo il mio post, hai risposto. Non ho corretto il mio stesso post.
Quindi, risulta: il numero di scale=50*60+60+60+60+39+39+2+2=5519. È giusto?
E cosa c'entrano 200 pezzi? Non ne hai scritto da nessuna parte.
Sì, ci sono così tante scale.
Per favore, rivelate la vostra struttura di perceptron, di cui ci sono 200 esemplari nella popolazione (difficoltà di stima).
A IlyaA e gumgum
Perché usi 2 strati nascosti? Uno strato nascosto è sufficiente per qualsiasi problema. Dimostrato matematicamente.
Cosa sai delle reti avvolgibili? Ci sono almeno quattro strati. Quattro strati.Rivela la struttura della griglia (che è di 200 esemplari ciascuno).
Raccomanda di aumentare la popolazione? Se non ti dispiace, organizza un piccolo esperimento. Quanto ci vorrebbe per addestrare un compito semplice (tempo, numero di popolazioni) per 200 individui e per 25 individui. Lasciamo il resto invariato. A questo punto non ho sperimentato affatto.
Ahh, era una domanda sui miei 200 esemplari?, solo che non c'è un punto interrogativo, quindi non l'ho capito.
La mia griglia: 400-600-200. Il totale è di 360800 pesi.
Sì, consiglio di aumentare la popolazione.
Riguardo all'esperimento. Ho sperimentato molto con il numero di individui nella popolazione. E non voglio perdere tempo in altri esperimenti. La risposta non è chiara. Molto dipende dall'algoritmo GA e dal criterio di arresto utilizzato. È abbastanza ovvio che la maggior parte del tempo è spesa sulla funzione di fitness stessa, mentre il tempo di esecuzione di un algoritmo GA puro è trascurabile. Pertanto, è ragionevole cercare di ridurre il numero di corse di ffs. Si può ottenere questo in diversi modi. E il più semplice è quello di selezionare il numero di individui nella popolazione.
Se si prendono molti individui, circa 1000, allora l'individuo migliore viene trovato molto rapidamente, in termini di superamento del numero di epoche, ma la funzione di fitness viene eseguita 1000*n volte, dove n è il numero di epoche. Questo non è buono - ci vuole molto tempo.
Se prendiamo un numero troppo piccolo di individui in una popolazione, diciamo, 10-25, allora non c'è abbastanza pool genico nella popolazione per la ricerca, il tempo di ricerca aumenta, sempre per il fatto che il numero di corse di ff aumenta.
Opzione ottimale penso 200 individui nella popolazione.
Vorrei anche consigliare questo. Iniziate una popolazione supplementare in cui mettete i migliori individui di ogni epoca (io la chiamo "Pool genetico dell'epoca" o GE). Quando ci si accoppia, prendere individui dalla popolazione attuale e dal GE. Questo riduce drasticamente il numero di partenze ff. Questo non va confuso con la selezione d'élite.
Cosa sai delle reti avvolgibili? Ci sono, tipo, quattro strati. Quattro strati.Ci diamo già del tu? >> ok.
Non so cosa sia una rete di convoluzione. Perché quattro strati? Puoi spiegare a me, e a quelli che pensano che uno strato interno (nascosto) sia sufficiente? Non c'è bisogno di complicare l'algoritmo. Non è facile da calcolare così com'è.
E il vostro GA è implementato in cosa? MQL?
Ci diamo già del tu? Ok.
Non so cosa sia una rete avvolgibile. A cosa servono i quattro strati? Puoi spiegare a me, e a quelli che pensano che uno strato interno (nascosto) sia sufficiente per l'occhio? Non c'è bisogno di complicare l'algoritmo. È già abbastanza difficile da calcolare.
C'è un libro di Haykin. Reti neurali?a dentraf
MQL4
a IlyaA
Sì, lo so. E anche circa 200-300 libri di autori diversi. Ma ho pensato che padroneggerò NN e GA per conto mio più velocemente che leggere questa biblioteca. E così è andata a finire. Più veloce.
Per padroneggiare, intendo l'applicazione pratica, non la padronanza della terminologia.
Se si prende un numero molto grande di individui, circa 1000, l'individuo migliore viene trovato molto rapidamente, in termini di superamento del numero di epoche, ma la funzione di fitness viene eseguita 1000*n volte, dove n è il numero di epoche. Questo non è buono - ci vuole molto tempo.
Se prendiamo un numero troppo piccolo di individui in una popolazione, diciamo 10-25, allora non c'è abbastanza pool genico nella popolazione per la ricerca, il tempo di ricerca aumenta, sempre per il fatto che il numero di corse di ff aumenta.
Variante ottimale penso 200 individui nella popolazione.