I now work part-time for Google as a Distinguished Researcher and part-time for the University of Toronto as a Distinguished Professor. For much of the year, I work at the University from 9.30am to 1.30pm and at the Google Toronto office at 111 Richmond Street from 2.00pm to 6.00pm. I also spend several months per year working full-time for...
おそらく、すべてのネットワークを完全にインターフェースすることはできないでしょうが、試してみるべきです。
6.ファジー論理のモデル(確率的ネットワークと混同しないように)。未実施。しかし、役に立つかもしれない。もし誰かが情報を見つけたら、plzを投げる。ほとんどの機種が日本人の作者です。ほとんどすべて手動で構築していますが、(記憶が正しければ)論理式 によるトポロジー構築の自動化が可能であれば、非現実的なかっこよさになります。
すべての機能を基底クラスに置いてvirtualにすれば、柔軟な抽象化ができる。
そんな不器用なやり方は通用しない。なぜコホネンネットワークにはMLPの仮想 ネットワークトポロジー機能が必要なのでしょうか?
のような基本的な機能のみを抽象化することができます。
-信号の分配(入力の実行)
-電車
-トレーニングパターンの追加
-エラーを発生させる
-ファイルからの保存/取得
Self-Organizing Incremental Neural Networkのことではありませんか?
そんな不器用なやり方は通用しない。なぜコホネンネットワークにはMLPの仮想 ネットワークトポロジー機能が必要なのでしょうか?
といった基本的な機能しか組み合わせることができません。
もちろん、そういうことです。
しかし、「CreateNet」のような機能も基本クラスにあるべきで、それを子孫にどう実装するか、つまりトポロジーがどうなるかは、子孫自身が決めることです。
しかし、「CreateNet」のような機能もベースクラスにあるべきで、それを子孫にどう実装するか、つまりトポロジーをどうするかは、子孫自身が決めるべきことです。
5.PNN -- 使ったことがないので、わかりません。でも、できる人はいると思うんです。
他の機種を提案する。
PNNは簡単です。例えば、コードベースにある「最近傍」(kNN)のコードがすでに用意されています。GRNNもここに含まれます。
このプロジェクトは、かなり巨大なものです。すべてのネットワークに対応するコードを何年もかけて書いても、すべての人を満足させることはできない。私は、こちらの有名な神経専門医から、「ここ10~15年の間に導入されていないネットワークは、すでに時代遅れだ」と言われたことがあります。この分野の最新のトレンドは、ICAとスパースコーディングを用いた自己学習型生体ネットワークである。スパースコーディング」「圧縮センシング」、そしてOlshausenとFieldsのスパースネットに関する研究とその信奉者たちについてググってみてください。宝の持ち腐れです。また、Deep Belief Nets(DBN)のベースとなるRBM(Restricted Boltzman Machines)や畳み込みネットワークも汎用性が高いため、人気を集めている。Geoffrey HintonとYann LeCunの作品を読んでみてください。
http://www.cs.toronto.edu/~hinton/
http://yann.lecun.com/
このOhlshausenとHintonの英語での講義は非常に興味深いものである。
https://www.youtube.com/watch?v=_G1RsAZXovE
https://www.youtube.com/watch?v=AyzOUbkUf3M
もし、MQL5でSparse Netを開発される方がいらっしゃいましたら、ぜひご協力お願いします。もっとも、私のことをご存知の方は、私の忍耐力はとても短く、しばしば興味を失ってしまうのですが :)
2本のMAの交点に基づくトレーディングシステムを提案し、テストを行う。
利点は何かというと、システムが初歩的でわかりやすく、世界と同じように古いものであることです。
必要なこと:このシステムでは、たった2つのパラメータを常に再最適化する必要がありますが、通貨ペアの数、時間枠、最適化期間の長さを求めるとなると、そのタスクは指数関数的に 増大します。ウェーブの平均化方法や計算方法を追加すれば、プログレッションを追加することができます。
基本的にパラメータは2つだけです。取引システムそのものに気を取られることなく、ニューロプロジェクトそのものに集中します。
PS 現在、私のExpert Advisorは私のコンテストで2つのMAに参加しています。 Expert Advisorは急いで開発され、リスクとパラメータはランダムに設定され、3ヶ月後には関連性がなくなるので、私は幻想を抱いていません。コンテストに参加するという私の夢が叶っただけで十分です :-) 私は評価の最初のページになりたいが、それは楽しみのためだけだ......
2本のMAの交点に基づくトレーディングシステムを提案し、テストを行う。
利点は何かというと、システムが初歩的でわかりやすく、世界と同じように古いものであることです。
(もちろん、ここですべてが明らかになるのだが、ただ1つ、NSと何の関係があるのか、ということを除いては......)。
すべてのネットワークに対応するコードを書くのに何年も費やしても、すべての人を満足させることはできないでしょう。著名な神経専門医によれば、過去10〜15年間に導入されていないネットワークは、すでに時代遅れなのだそうです。この分野の最新のトレンドは、ICAとスパースコーディングを用いた自己学習型生体ネットワークである。スパースコーディング」「圧縮センシング」、そしてOlshausenとFieldsのスパースネットに関する研究とその追随者たちについてググってみてください。宝の持ち腐れです。また、Deep Belief Nets(DBN)のベースとなるRBM(Restricted Boltzman Machines)や畳み込みネットワークもその汎用性の高さから人気を博している。Geoffrey HintonとYann LeCunの作品を読む。
そこからスタートしたら、もうあきらめたほうがいいかもしれません。何年もはまり込むこともある。ちなみに参考文献をありがとうございます、読み始めました)しかし、やはり簡単なものから始めて(私の意見では、NSのリストにある古典的なもので十分です)、徐々に複雑で新しいものにし、補足し、改良していくのがよいでしょう。プロジェクトは、早く目に見える「アウトプット」を出せば出すほど、論理的な結論に至る可能性が高くなります。