Итак, в своей предыдущей статье я сделал анализ кода простейшего индикатора и немного коснулся темы взаимодействия этого индикатора с клиентским терминалом MetaTrader 5. Теперь, прежде чем идти дальше, нам следовало бы повнимательнее присмотреться к результату компиляции эксперта, который отображается в закладке "Ошибки" окна "Инструменты...
なるほど。
と、これがMaximのコードです。
https://www.mql5.com/ru/forum/86386/page1862#comment_17290073
は、デジタルフィルターを連想させます。
私の記憶では、デジタルフィルタでは、定数値は静的です。
つまり、これらの定数値から、あるモデルが即座に 組み立てられるのである。
Maxの場合は、Ifの論理的な分岐なので、ツリーになるわけです。
ところで、マックス。
Ifツリーを3項演算子ツリーz = (x > y)に置き換えることは考えられましたか？x : y;
三項分岐はIf
よりも高速だからです。大きな木に最適です。
私の記憶では、デジタルフィルタでは、定数値は静的です。
つまり、これらの定数値は、特定のモデルを構築するために即座に 使用される。
MaxだとIfの論理分岐なので、ツリーになるんです。
ところで、マックス。
Ifツリーを3項演算子ツリーz = (x > y)に置き換えることは考えられましたか？x : y;
三項分岐はIf
よりも高速に動作するため、大きな木には丁度良い。
やだやだ
出力周波数特性を調整するためのツマミがあります。
ただ、アルゴリズムは基本的に同じなんです。
ここで、処理アルゴリズムを変えるのか、それとも同じアルゴリズムに定数を代入して試行錯誤しながら最適な方法を見つけるのか？
いや、そんなことはないだろう。
出力周波数特性を調整するためのツマミがあります。
ただ、アルゴリズムは基本的に同じなんです。
そして、ここで処理アルゴリズムを変更したり、定数を変えてみたりして最適な経路を見つけるのでしょうか？
確かにデジタルフィルター では定数を変更することができますが、それはあなたによって定義され、ある種のモデルを一度に形成するものなのです。
木構造は、活性化関数に従って、これらの値をあなたに代わって検索します。
一般に、どこを見ても、木の構造がある :)
MLM-men、木の構造。
パワー、ツリー構造。
雇用における従属性、木の構造。
親族関係遺産、樹木構造
etc.
:)
気ままに外の木を眺めて、木の根元から精神的に推理すればいいんです。
ただ、決心してください。その木を亜種の種類などに分解し、誰がその上で走るのか、どんな色なのか、などなど。))
蟻や芋虫、蝶が枝の上を走り回るのを妄想してみた :))
理解のための楽しい練習になりますね。
ニューラルネットの活性化関数でググってみてください。
どこを見てもツリー構造です :)
MLMの人、ツリー構造です。
パワー、木の構造。
採用、ツリーの構造
気の向くままに外の木を眺め、木の根元から精神的に推理すればいいのです。
ファンタジーでいいじゃないですか。その木を亜種の種類などに分解し、誰がその上で走るのか、どんな色なのか、などなど。))
蟻や芋虫、蝶が枝の上を走り回るのを妄想してみた :))
理解のための楽しい練習になりますね。
ニューラルネットの活性化関数、でググるとわかりやすいよ。
読む
なるほど、この仕組みはよくわかったよ。
そこで、頭蓋骨をいじらないように、コンポスターに細工をすることにしました。
ふむ、面白い;)
確かにデジタルフィルター では、定数そのものを変えることはできますが、それは自分で硬く設定して、ある種のモデルを一度に形成するものです。
木構造は、活性化関数に従って、これらの値をあなたに代わって検索します。
一般に、どこを見ても、木の構造がある :)
MLM-men、木の構造。
パワー、ツリー構造。
雇用における従属性、木の構造。
親族関係遺産、樹木構造
etc.
:)
気ままに外の木を眺めて、木の根元から精神的に推理すればいいんです。
ただ、決心してください。その木を亜種の種類などに分解し、誰がその上で走るのか、どんな色なのか、などなど。))
蟻や芋虫、蝶が枝の上を走り回る姿を妄想してしまいました :))
理解するのも楽しい運動ですね。
ニューラルネットの活性化関数、でググるとわかりやすいよ。
まさに、ニューラルネットワークの中にあるもの。木は活性化関数を持ちません。比較対象があるだけです。
それこそ、ニューラルネットワークのようなものです。このツリーには活性化関数がない。単純に比較するとありますね。
平瀬さん、どうやってここに来たんですか？その通りで、ツリー自体を枝分かれさせることで、それなりに一般化できるレベルで良いということは理解しています。つまり、このノードは入力ベクトルと目標ベクトルの間のモデルのある側面を担当する。また、一般から特殊まで独立して分解できるのであれば、訓練などする必要はないのですが、ここでは、この構造が大きく未知である場合、訓練に頼らざるを得ないのです。 そうなんですか？ HOGORADIANSのみなさん :-))))思わずガッツポーズしそうになりました :-)
文法的な間違いが多いので、まだ知られていません。
入出力は通常のフィルター
であり、出力はAFCである。
出力で目的のAFCを得ることは、有名な話だが、トレーニングと呼ばれる。
そして今、木の専門家の一人が、このフォーラムの自分のスレッドで、莫大な小銭を稼ぐために大泣きしている。
だから黄葉の話に持ち込んだんだけど...。それこそ、ニューラルネットワークのようなものです。このツリーには活性化関数がない。ただ、比較対象があるだけです。
まあ、メッシュ自体もツリーの形で表現できるんですけどね。
つまり、ニューラルネットワークのツリーには活性化関数があるわけです ))
結局、ツリーはデジタルフィルター なんですか？
ツリーは単なる枝分かれした構造物です。
この構造をどう応用するかは、想像力の問題です ))