"New Neural "は、MetaTrader 5プラットフォーム用のオープンソース・ニューラルネットワークエンジンプロジェクトです。 - ページ 15 1...8910111213141516171819202122...100 新しいコメント Mykola Demko 2011.10.21 13:31 #141 TheXpert です。信じられませんね :)考えてみると、神経細胞は共通の記憶を使っているので、ある細胞に値を割り当てると、それ(値)は直ちに接続されているすべての神経細胞で利用可能になります。したがって、学習におけるすべての違いは、アクティベーターに対して逆に式を書くことにあり、あとはすべて同じで、違いは前進か後退か、ということになります。かなり貧弱な相違点リストです :o)活性化式とその導関数は、ニューロンを作るとき(というか、利用可能なものからタイプを選ぶとき)に規定され、学習経路の方向もネットワークを作るときに選択される。 TheXpert 2011.10.21 13:44 #142 アヴァルスたしかにそれはできるけど、大げさなんだよなぁ)))ええと、どうして大げさじゃないんですか?________________ニコライ 一番シンプルでわかりやすく、手っ取り早いのは、ベクトルと行列を結びつけて表現する方法です。 Mykola Demko 2011.10.21 13:54 #143 TheXpert です。ええと、どうして大げさじゃないんですか?________________ニコライ 一番シンプルでわかりやすく、かつ素早く表現できるのは、ベクトルと行列を結びつける方法です。しかし、トポロジーと強く結びついているか、(汎用性を持たせるために一部のセルをゼロにすると)メモリオーバーになります。この質問は修辞的なものです。マトリックス法でこのような盆地を作ると、すべてのニューロンはどのニューロンにも接続できるはずです。つまり、ニューロンあたり1000000個の潜在的な接続があり、1000000個のニューロンを掛けると、10^6 x 10^6mqlマトリックスとなり、うまくいかないことは明らかでしょう。 Avals 2011.10.21 15:52 #144 TheXpert です。あの、ひとつも通していないのはどうしてですか? まあ、NS付きTSの特定の変種のための学習アルゴリズムを考えなくていいようにね。つまり、NSでExpert Advisorがあり、NSのトレーニングを実行することで、どのように実装されるかは問わないが、ある付近の入力の値を自分で収集する必要がなくなるなど、自動的に実現させることである。私たちが考えた例では、アルゴリズムはおっしゃる通りかもしれませんし、例えばNSがシステムの別の部分であれば、違うかもしれません。一般的には、形式化の一部であり、ユーザーからは見えないようにしてほしい。おそらく、NSの出力データ、あるいは他のケースでは入力データの前処理に帰結すると思いますが、ほとんどの場合、自動化が可能であり、ユーザーの繊細な肩に負担をかけることはありません)))正式にはどうしたらいいのかわからないのですが :) TheXpert 2011.10.21 16:00 #145 アヴァルスNSでTCの特定のバージョンの学習アルゴリズムを作り込まないように。そのやり方ではダメです :) 最低限、何を取り、何を教え、どう評価するかは知っておく必要があります。そして、これらは自分の手で整理しなければならない。一般的には、形式化の一部であり、ユーザーからは見えないようにしたかったのです。正式にはどうしたらいいのかわからないのですが :)その通り、私にもわかりません。そればかりか、まったく組み合わせが難しいセットもあります。ニューロニクスはあくまでツールです。レオニードがそうであったように、巧みな手にかかれば、非常に強力なものになります。何かアドバイスをしてくれないだろうか。 Avals 2011.10.21 16:04 #146 TheXpert です。何を取り、何を教え、どう評価するのか、最低限知っておかなければなりません。そして、これらは自分の手で整理しなければならない。その通り、そして私は知らない。そればかりか、まったく組み合わせが難しいセットもあります。神経細胞は道具に過ぎない。有能な人の手にかかると(例えばレオニード)非常に強力です。少なくとも標準的なオプション(例えば、前ページで説明したもの)を検討してください。形式的な解決策を提案されたのですね。なぜ、他の人にはないと思うのですか?すべて同じ種類の数個に集約される可能性があります。 TheXpert 2011.10.21 16:12 #147 アヴァルス なぜ、他人に対するフィルターがないと思うのですか?そうですね :) でも、入力と出力がすべてです :) ネットワークは二の次です。MLP、PNN、SOM、エコーグリッドなど、どんな方法で文字を認識しても、原理はほぼ同じになります。アヴァルスおそらく、すべては同じ種類のいくつかに集約されるのでしょう これは良い例で、ディールフィルターを整理するのは朝飯前です。そして、シンプルなTSを養うことは、平均的な頭脳ではできないことなのです。そして、最初の1枚はほぼ100%フィットしています。 Avals 2011.10.21 16:19 #148 TheXpert: そうですね :) でも、入力と出力がすべてです :) ネットワークは二の次です。MLP、PNN、SOM、エコセットなど、どのように文字を認識しても良いのですが、原理はほとんど同じになります。 そう、NSデータの前処理と後処理は、主に時間が かかり、最もデリケートなことなのです。これが典型的なTCの亜種でシステム化され、一部自動化されていれば、サードパーティのパッケージよりも優位に立つことができます。そうでなければ、それらですべてを行う方が簡単であり(とにかくNSの作業に特化しているため)、すでに準備の整ったモデルをMT5に転送することができます。 Dmitry Fedoseev 2011.10.21 16:23 #149 EAで使用するクラスの編成について、数通のメールを掲載しました。プロパティ 1. ネットワークが学習した後に使用する画像の最小枚数。2.最大画像枚数。新しい画像が学習セットに追加されると、古い画像は削除され、ネットワークは再トレーニングされる。外部メソッド。1.学習させる画像を送る。EAで使用すると、インジケータのシグナル( )に従って、ネットワークに新しいイメージを与えることが可能です。2.ネットワークが準備できているかどうかを聞く。十分な枚数の画像に対してネットワークが学習されているかどうか。3.基本的な方法ネットワークに画像を送信し、結果を受信する。 新しい画像が学習のためにネットワークに送られたら、その前処理を行う。1.スケールする。 2.相関を確認することで、同じ出力を持つ2つの逆相関の画像や、異なる出力を持つ2つの同一画像が存在しないようにします。 これらはすべてExpert Advisorに素早く追加されます。インジケータがシグナルを出すとネットワークが画像を受信し、十分な数の画像が蓄積されると同時にネットワークが学習され、ポジションを開く シグナルが現れると、ネットワークに確認するかどうか尋ねるのです。これはテスターで行います。アカウントの場合、テスト後にネットワークを学習させ、ネットワークを保存してロードする手段が必要である。どのような画像をネットに送るかは、価格、指標、真偽のいずれかをユーザーが選択できる。ネットワークのパラメータ(層数、入力、出力)は、ネットワークの初期化時に設定されます。 Dmitry Fedoseev 2011.10.21 16:26 #150 グラフィカルなネットワークビルダーは、mql5でも可能です。1つの層に異なるニューロンがあっても問題ないと思いますが、そのようなネットワークをどのように訓練するかは別の問題です。1層で1ニューロン?何が言いたいの?迂闊な追加レイヤーでなければ。 1...8910111213141516171819202122...100 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
信じられませんね :)
考えてみると、神経細胞は共通の記憶を使っているので、ある細胞に値を割り当てると、それ(値)は直ちに接続されているすべての神経細胞で利用可能になります。したがって、学習におけるすべての違いは、アクティベーターに対して逆に式を書くことにあり、あとはすべて同じで、違いは前進か後退か、ということになります。かなり貧弱な相違点リストです :o)
活性化式とその導関数は、ニューロンを作るとき(というか、利用可能なものからタイプを選ぶとき)に規定され、学習経路の方向もネットワークを作るときに選択される。
たしかにそれはできるけど、大げさなんだよなぁ)))
ええと、どうして大げさじゃないんですか?
________________
ニコライ 一番シンプルでわかりやすく、手っ取り早いのは、ベクトルと行列を結びつけて表現する方法です。
ええと、どうして大げさじゃないんですか?
________________
ニコライ 一番シンプルでわかりやすく、かつ素早く表現できるのは、ベクトルと行列を結びつける方法です。
しかし、トポロジーと強く結びついているか、(汎用性を持たせるために一部のセルをゼロにすると)メモリオーバーになります。
この質問は修辞的なものです。マトリックス法でこのような盆地を作ると、すべてのニューロンはどのニューロンにも接続できるはずです。つまり、ニューロンあたり1000000個の潜在的な接続があり、1000000個のニューロンを掛けると、10^6 x 10^6mqlマトリックスとなり、うまくいかないことは明らかでしょう。
あの、ひとつも通していないのはどうしてですか?
NSでTCの特定のバージョンの学習アルゴリズムを作り込まないように。
そのやり方ではダメです :) 最低限、何を取り、何を教え、どう評価するかは知っておく必要があります。そして、これらは自分の手で整理しなければならない。
一般的には、形式化の一部であり、ユーザーからは見えないようにしたかったのです。正式にはどうしたらいいのかわからないのですが :)
その通り、私にもわかりません。そればかりか、まったく組み合わせが難しいセットもあります。ニューロニクスはあくまでツールです。レオニードがそうであったように、巧みな手にかかれば、非常に強力なものになります。
何かアドバイスをしてくれないだろうか。
何を取り、何を教え、どう評価するのか、最低限知っておかなければなりません。そして、これらは自分の手で整理しなければならない。
その通り、そして私は知らない。そればかりか、まったく組み合わせが難しいセットもあります。神経細胞は道具に過ぎない。有能な人の手にかかると(例えばレオニード)非常に強力です。
少なくとも標準的なオプション(例えば、前ページで説明したもの)を検討してください。形式的な解決策を提案されたのですね。なぜ、他の人にはないと思うのですか?
すべて同じ種類の数個に集約される可能性があります。
なぜ、他人に対するフィルターがないと思うのですか?
そうですね :) でも、入力と出力がすべてです :) ネットワークは二の次です。MLP、PNN、SOM、エコーグリッドなど、どんな方法で文字を認識しても、原理はほぼ同じになります。
おそらく、すべては同じ種類のいくつかに集約されるのでしょう
これは良い例で、ディールフィルターを整理するのは朝飯前です。
そして、シンプルなTSを養うことは、平均的な頭脳ではできないことなのです。そして、最初の1枚はほぼ100%フィットしています。
そうですね :) でも、入力と出力がすべてです :) ネットワークは二の次です。MLP、PNN、SOM、エコセットなど、どのように文字を認識しても良いのですが、原理はほとんど同じになります。
EAで使用するクラスの編成について、数通のメールを掲載しました。
プロパティ
1. ネットワークが学習した後に使用する画像の最小枚数。
2.最大画像枚数。新しい画像が学習セットに追加されると、古い画像は削除され、ネットワークは再トレーニングされる。
外部メソッド。
1.学習させる画像を送る。EAで使用すると、インジケータのシグナル( )に従って、ネットワークに新しいイメージを与えることが可能です。
2.ネットワークが準備できているかどうかを聞く。十分な枚数の画像に対してネットワークが学習されているかどうか。
3.基本的な方法ネットワークに画像を送信し、結果を受信する。
新しい画像が学習のためにネットワークに送られたら、その前処理を行う。
1.スケールする。
2.相関を確認することで、同じ出力を持つ2つの逆相関の画像や、異なる出力を持つ2つの同一画像が存在しないようにします。
これらはすべてExpert Advisorに素早く追加されます。インジケータがシグナルを出すとネットワークが画像を受信し、十分な数の画像が蓄積されると同時にネットワークが学習され、ポジションを開く シグナルが現れると、ネットワークに確認するかどうか尋ねるのです。これはテスターで行います。アカウントの場合、テスト後にネットワークを学習させ、ネットワークを保存してロードする手段が必要である。
どのような画像をネットに送るかは、価格、指標、真偽のいずれかをユーザーが選択できる。ネットワークのパラメータ(層数、入力、出力)は、ネットワークの初期化時に設定されます。
グラフィカルなネットワークビルダーは、mql5でも可能です。
1つの層に異なるニューロンがあっても問題ないと思いますが、そのようなネットワークをどのように訓練するかは別の問題です。
1層で1ニューロン?何が言いたいの?迂闊な追加レイヤーでなければ。