ハイブリッドニューラルネットワーク - ページ 7 1234567891011121314...22 新しいコメント ilyaa 2009.10.05 19:46 #61 joo >> : 実は、私が小学校3、4年生のときに考案したものなんです。根の抽出はいつ行うのですか？ここで、平方根や立方根をやっていたのですが......。でも、四角いものが入っているノートの紙に テストしてみました。その成果は実に見事なものです。 声（自慢話）。 Andrey Dik 2009.10.06 00:46 #62 IlyaA >> : 私が説明したタスクは、あなたの心に響かなかったのでしょうか？なんだか、あちこちで話題になっていますね。まさかね。ほとんどのラジオ電子機器はこの原理で作られている。 外挿や平均化ではなく、切り分けるのです。ここでは、ノイズの統合が有効です。 学習のポイントは、発生した特殊な機能の一部をふるいにかけて分離し、それを記憶することではありません。しかも、機能をふるいにかけてもダメなんです。 私は、あるスレッドで学習の原理を概説しました。 学習とは、一般化する能力、分類する能力、抽象化する能力、結論を導き出す能力を身につける過程である。 どのような手段でというのは、また別の問題です。 IlyaA さんが書き込みました(a)>>。 人はどのように学ぶのか？:)あるトピックを読んだら、また別のトピックを読む。各テーマは個別に学習します。そして、一般化するのです。そして、この方法では、グリッドは絵を暗記し、何も一般化しないでしょう。高度に専門化することになる。 上記をお読みください。 IlyaA さんが書き込みました(a)>>。 あまり本を読まないで、何かお勧めはありますか？テレビを見ながら、壁に頭をぶつける？ その意味は案外深い、というか、この言葉には全く意味がないように思えるのです。ポイントは、考えること、推論すること、結論を出すことであり、暗記することではありません。 IlyaA さんが書き込みました(a)>>。 音を出す（自慢する）。 必要ない。質問があり、答えがあった。 RIP 2009.10.06 09:15 #63 IlyaA >> : そうそう、最初の段階のネットワークはフルボンドネットワークというか、畳み込みネットワークのようなものなんですが、何層にもなっているんです）。そして、この幸せが10倍になって交尾を始めるのです。それぞれを処理する必要がある、つまり10倍あるのです。また、儲かる仕掛けを教えるアイデアがあれば、各世代の時間間隔をすべて計算し、それぞれの子孫に実行させなければなりませんね。この操作は非常にリソースを消費するものでしたので、最初の質問に戻ります。 RPropを使用してはいかがでしょうか？遺伝学の場合、計算を大幅に高速化することができます。 ilyaa 2009.10.06 10:16 #64 joo >> : 学習のポイントは、発生した特殊な機能の一部をふるい落とし、それを記憶することによって、分離することではありません。特徴をふるい分けられないということもありません。 私は、あるスレッドで学習の原理を概説しました。 学習とは、一般化する能力、分類する能力、抽象化する能力、結論を導き出す能力を獲得する過程である。 どのような手段で--それはまた別の問題です。 私たちは哲学を始めたようなもので、この問題についての議論は「こだわる」という言葉で終わらせることを提案します。 ilyaa 2009.10.06 10:29 #65 rip >> : RPropを使用してはいかがでしょうか？遺伝学の場合、計算が大幅に高速化されます。 勾配降下法と同様、より高速であることには同意します。その差はたいしたことではありません。遺伝学を使うポイントは、GLOBALな極限を見つける確率が1に近づくことです。グラデーションでは表示されません（間違っていたら訂正してください）。さらに、最適化された超平面の表面には、大きな振幅を持つ局所極限が無数に存在する。しかし、ニューロンが増えれば増えるほど、火に油を注ぐことになり、超平面はさらに複雑なものになっていく。このような条件下では勾配は収束するが、上に書いたように大域的な極限を見つける確率は50〜80％である。 Sergey Fionin 2009.10.06 11:10 #66 IlyaA писал(а)>> 勾配降下法もそうですが、より高速であることには同意します。その差はたいしたことではありません。遺伝学を使うポイントは、GLOBALな極限が見つかる確率が1に近いということです。グラデーションでは表示されません（間違っていたら訂正してください）。さらに、最適化された超平面の表面には、大きな振幅を持つ局所極限が無数に存在する。しかし、ニューロンが増えれば増えるほど、火に油を注ぐことになり、超平面はさらに複雑なものになっていく。このような条件下では勾配は収束するが、上に書いたように大域的な極限を見つける確率は50〜80％である。 このシステムを使ったトレードで、具体的な成果は出ているのでしょうか？>> 努力する価値はあるのか？ RIP 2009.10.06 11:26 #67 IlyaA >> : 確かに、勾配降下法も速いですね。その差はたいしたことではありません。遺伝学を使うポイントは、GLOBALな極限が見つかる確率が1に近いということです。グラデーションでは表示されません（間違っていたら訂正してください）。さらに、最適化された超平面の表面には、大きな振幅を持つ局所極限が無数に存在する。しかし、ニューロンが増えれば増えるほど、火に油を注ぐことになり、超平面はさらに複雑なものになっていく。このような条件下では勾配は収束するが、上に書いたように大域的な極限を見つける確率は50～80％である。 勾配が学習アルゴリズムの100％収束をもたらさないというのは、私も同意見です。 私は、新しいネットワークトポロジーを得るためにのみGAを使用しています。RPropは平均して100-200エポックで局所最小値に到達することがわかる。 その後、最も成功した個体が発見され、新しい集団が形成される。突然変異。RProp. ilyaa 2009.10.06 12:43 #68 rip >> : そうですね、勾配は学習アルゴリズムの100％収束を実現するものではありません。 私は、新しいネットワークトポロジーを得るためにのみGAを使用しています。RPropは平均して100-200エポックで局所最小値に到達することがわかる。 その後、最も成績の良い個体が見つかり、新しい集団が形成される。突然変異。RProp. 組み合わせの意味皆さん、おめでとうございます。今、支店の名前だけ統一したところです。それはアイデアだ!思いついたのはこんなことだ。遺伝子の変異は、目盛りの20〜40％を少しずつ変化させる。子供が親の生息地に戻る確率が高いか？ ilyaa 2009.10.06 12:48 #69 FION >> : このシステムを使ったトレードで、具体的な成果は出ているのでしょうか？>> 努力する価値はあるのか？ 具体的な成果は出ていない。アイデアと予測のみ。私が作ったパーセプトロンは、すべてインジケーターの段階まで生き残っていないんです。却下しました。現時点でのベストなアイデアは、このアルゴリズムのリソース集約性を克服することです。でも、ヴェラは生き続けている（ナディアとリューバも）。 gumgum 2009.10.06 12:52 #70 質問です。 高木・菅野ファジーネットワークを実装したのは誰ですか？ 1234567891011121314...22 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
実は、私が小学校3、4年生のときに考案したものなんです。根の抽出はいつ行うのですか？ここで、平方根や立方根をやっていたのですが......。でも、四角いものが入っているノートの紙に
テストしてみました。その成果は実に見事なものです。
声（自慢話）。私が説明したタスクは、あなたの心に響かなかったのでしょうか？なんだか、あちこちで話題になっていますね。まさかね。ほとんどのラジオ電子機器はこの原理で作られている。
外挿や平均化ではなく、切り分けるのです。ここでは、ノイズの統合が有効です。
学習のポイントは、発生した特殊な機能の一部をふるいにかけて分離し、それを記憶することではありません。しかも、機能をふるいにかけてもダメなんです。
私は、あるスレッドで学習の原理を概説しました。
学習とは、一般化する能力、分類する能力、抽象化する能力、結論を導き出す能力を身につける過程である。
どのような手段でというのは、また別の問題です。
IlyaA さんが書き込みました(a)>>。
人はどのように学ぶのか？:)あるトピックを読んだら、また別のトピックを読む。各テーマは個別に学習します。そして、一般化するのです。そして、この方法では、グリッドは絵を暗記し、何も一般化しないでしょう。高度に専門化することになる。
上記をお読みください。
IlyaA さんが書き込みました(a)>>。
あまり本を読まないで、何かお勧めはありますか？テレビを見ながら、壁に頭をぶつける？
その意味は案外深い、というか、この言葉には全く意味がないように思えるのです。ポイントは、考えること、推論すること、結論を出すことであり、暗記することではありません。
IlyaA さんが書き込みました(a)>>。
音を出す（自慢する）。
必要ない。質問があり、答えがあった。
そうそう、最初の段階のネットワークはフルボンドネットワークというか、畳み込みネットワークのようなものなんですが、何層にもなっているんです）。そして、この幸せが10倍になって交尾を始めるのです。それぞれを処理する必要がある、つまり10倍あるのです。また、儲かる仕掛けを教えるアイデアがあれば、各世代の時間間隔をすべて計算し、それぞれの子孫に実行させなければなりませんね。この操作は非常にリソースを消費するものでしたので、最初の質問に戻ります。RPropを使用してはいかがでしょうか？遺伝学の場合、計算を大幅に高速化することができます。
学習のポイントは、発生した特殊な機能の一部をふるい落とし、それを記憶することによって、分離することではありません。特徴をふるい分けられないということもありません。
私は、あるスレッドで学習の原理を概説しました。
学習とは、一般化する能力、分類する能力、抽象化する能力、結論を導き出す能力を獲得する過程である。
どのような手段で--それはまた別の問題です。
私たちは哲学を始めたようなもので、この問題についての議論は「こだわる」という言葉で終わらせることを提案します。RPropを使用してはいかがでしょうか？遺伝学の場合、計算が大幅に高速化されます。
勾配降下法と同様、より高速であることには同意します。その差はたいしたことではありません。遺伝学を使うポイントは、GLOBALな極限を見つける確率が1に近づくことです。グラデーションでは表示されません（間違っていたら訂正してください）。さらに、最適化された超平面の表面には、大きな振幅を持つ局所極限が無数に存在する。しかし、ニューロンが増えれば増えるほど、火に油を注ぐことになり、超平面はさらに複雑なものになっていく。このような条件下では勾配は収束するが、上に書いたように大域的な極限を見つける確率は50〜80％である。勾配降下法もそうですが、より高速であることには同意します。その差はたいしたことではありません。遺伝学を使うポイントは、GLOBALな極限が見つかる確率が1に近いということです。グラデーションでは表示されません（間違っていたら訂正してください）。さらに、最適化された超平面の表面には、大きな振幅を持つ局所極限が無数に存在する。しかし、ニューロンが増えれば増えるほど、火に油を注ぐことになり、超平面はさらに複雑なものになっていく。このような条件下では勾配は収束するが、上に書いたように大域的な極限を見つける確率は50〜80％である。
このシステムを使ったトレードで、具体的な成果は出ているのでしょうか？>> 努力する価値はあるのか？
確かに、勾配降下法も速いですね。その差はたいしたことではありません。遺伝学を使うポイントは、GLOBALな極限が見つかる確率が1に近いということです。グラデーションでは表示されません（間違っていたら訂正してください）。さらに、最適化された超平面の表面には、大きな振幅を持つ局所極限が無数に存在する。しかし、ニューロンが増えれば増えるほど、火に油を注ぐことになり、超平面はさらに複雑なものになっていく。このような条件下では勾配は収束するが、上に書いたように大域的な極限を見つける確率は50～80％である。勾配が学習アルゴリズムの100％収束をもたらさないというのは、私も同意見です。
私は、新しいネットワークトポロジーを得るためにのみGAを使用しています。RPropは平均して100-200エポックで局所最小値に到達することがわかる。
その後、最も成功した個体が発見され、新しい集団が形成される。突然変異。RProp.
そうですね、勾配は学習アルゴリズムの100％収束を実現するものではありません。
私は、新しいネットワークトポロジーを得るためにのみGAを使用しています。RPropは平均して100-200エポックで局所最小値に到達することがわかる。
その後、最も成績の良い個体が見つかり、新しい集団が形成される。突然変異。RProp.
組み合わせの意味皆さん、おめでとうございます。今、支店の名前だけ統一したところです。それはアイデアだ!思いついたのはこんなことだ。遺伝子の変異は、目盛りの20〜40％を少しずつ変化させる。子供が親の生息地に戻る確率が高いか？このシステムを使ったトレードで、具体的な成果は出ているのでしょうか？>> 努力する価値はあるのか？
具体的な成果は出ていない。アイデアと予測のみ。私が作ったパーセプトロンは、すべてインジケーターの段階まで生き残っていないんです。却下しました。現時点でのベストなアイデアは、このアルゴリズムのリソース集約性を克服することです。でも、ヴェラは生き続けている（ナディアとリューバも）。質問です。
高木・菅野ファジーネットワークを実装したのは誰ですか？