ハイブリッドニューラルネットワーク - ページ 3

 
IlyaA >> :

どこに掛け合わせたと書いたっけ......?

->

IlyaA さんが書き込みました(・A・)>>。

そうそう、最初の段階のネットワークはフルメッシュというか、コンボリューションネットワークのようなものですが、何層にもなっていますね)。そして、この幸せが10倍になって交尾を始めるのです。だから10倍なんです。


IlyaA さんが書き込みました(a)>> です。

XORの話を読んでないのか?

グリッドの構造を明らかにする(200インスタンス分)。

そして、ウェイトの数についてですが、記事を書いている間に、回答がありましたね。自分の投稿を訂正していない。

つまり、目盛り数=50*60+60+60*39+39*2+2=5519と判明したのです。そうなんですか?

それと200枚がどう関係するんだ?どこにも書いてないじゃないですか。

 

IlyaA さん、gumgum さんへ

なぜ隠れ層を2つ使っているのですか?どんな問題でも、隠れ層は1層で十分です。数学的に証明されています。

 
joo >> :

->


そして、ウェイトの数についてですが、私が記事を書いている間に、返信がありましたね。自分の投稿を訂正していない。

つまり、スケール数=50*60+60+39+39+2+2=5519となることがわかった。そうなんですか?

それと200枚がどう関係するんだ?どこにも書いてないじゃないですか。


はい、それくらい目からウロコです。

母集団に200個の標本がある(推定困難)パーセプトロンの構造を公開してください。

 
joo >> :

IlyaAさん、gumgumさんへ

なぜ隠れ層を2つ使っているのですか?どんな問題でも、隠れ層は1層で十分です。数学的に証明される。



ロールアップ・ネットについて教えてください。少なくとも4層はありますね。4層構造。
 
IlyaA >> :

グリッドの構造を明らかにする(200個ずつの標本である)。

人口を増やすことを推奨しているのでしょうか?差し支えなければ、ちょっとした実験を仕掛けてみてください。200人の場合と25人の場合の単純作業の訓練にかかる時間(時間、母集団数)。あとは変更しないでおきましょう。この時点では、まったく実験していません。

ああ、それは私の200個の標本についての質問でしたか、ただそこには疑問符がないので、私には理解できませんでした。

私のグリッド:400-600-200。合計で360800個の重さです。

そうですね、人口を増やすことをお勧めします。

実験について母集団の個体数については、かなり実験してみました。そして、これ以上実験に時間をかけるのはもったいない。その答えは、明確ではありません。GAアルゴリズムと、どの停止基準を使うかに大きく依存します。純粋なGAアルゴリズムの実行時間は無視できるほど小さいのに対して、フィットネス関数自体にほとんどの時間が費やされていることは一目瞭然である。したがって、ffsの実行回数を減らそうとするのは合理的なことです。これを実現する方法はさまざまです。そして、最もシンプルなのは、母集団の個体数を選択することです。

もし、非常に多くの個体、約1000個を取るなら、エポック数の経過という点では、非常に早く最適な個体が見つかるが、適性関数は1000*n回実行される(nはエポック数)。どちらがいいかというと、非常に時間がかかることです。

もし、母集団の個体数を10〜25とあまりに少なくすると、母集団の中に探索のための十分な遺伝子プールがなくなり、探索時間は、やはりffの実行回数が増えることから長くなります。

最適なオプションは、母集団で200個体だと思います。

また、こんなこともアドバイスしたい。各時代の優秀な個体(私はこれを「エポックの遺伝子プール」またはGEと呼んでいます)を入れる追加の集団を立ち上げます。交配する際は、現在の個体群とGEから個体を採取する。これにより、ff起動の回数を激減させることができます。これは、エリート選抜と混同してはいけない。

 
IlyaA >> :


ロールアップ・ネットについて教えてください。4層くらいありますね。4層構造。

もうファーストネームでスムーズに話せるかな?>> 分かった。

コンボリューションネットが何なのかわからない。なぜ4層なのか?内部(隠れ)層は1層で十分だと考えている私に、説明していただけませんか?アルゴリズムを複雑にする必要はない。このままでは計算が大変です。

 
joo >>:.

そして、あなたのGAは何に実装されているのですか?MQL?

 
joo >> :

もうファーストネームでスムーズに話せるかな?なるほど。

コンボリューション・ネットワーク」が何なのかわからないのですが。4つの層は何のためにあるのですか?私や、内部(隠し)層は1層で十分だと考えている人に、目視で説明できますか?アルゴリズムを複雑にする必要はない。もう、計算が大変なんですよ。


ヘイキンの本があるんです。ニューラル・ネットワーク?
 

に、歯止めを かける。

MQL4

toIlyaA

はい、そうです。あと、いろいろな作家の本が200~300冊くらい。でも、この本を読むより、自分でNNやGAをマスターする方が早いと思いました。そして、その結果、こうなった。もっと早く

マスタリングというのは、用語の習得ではなく、実践的な活用という意味です。

 
joo >> :

非常に大きな個体数、約1000個を用意すると、エポック数の経過という点では非常に早く最適な個体が見つかりますが、適性関数は1000*n回実行されます(nはエポック数)。これはまずいなー、すごく時間がかかる。

もし、母集団の個体数を10〜25とあまりに少なくすると、母集団の中に探索のための十分な遺伝子プールがなくなり、探索時間は、やはりffの実行回数が増えることから長くなります。

最適なバリアント......母集団は200個体だと思います。

>> ありがとうございました。非常に細かい。基本的にはそうですが、すでに何度かパラメータを変えてアルゴリズムを実行しているのであれば、その結果を使うことになります。だから200...よし、このままでいい。続いて、次のポイント。ローソク足と指標の組み合わせで儲かる "フェイク "を、目ではなくパーセプトロンで探せばいいのです。線形分離可能なグループを構築させてくれる。検索条件 利益⇒最大任意に停止する。そして、ウェイトの分析、「フェイント」の特定を行います。それから、通常のインジケーターとトレーディングシステム。かなり複雑ですが、それは一見したところです。音階をあやつることは、(少なくとも私にとっては)とても興味深いことです。質問 :) ローソク足+インジケータ(オプション)で5年分の履歴を各個体に通しているのですが、各個体で200個になりました。これは膨大な資源消費であり、しかも、いつ止まるかわからない。問題を再定式化するか、さもなければ、この設計の最も重要な特性である、機械による「フィンク」の検出を維持するようにしよう。