평신도의 입장은 단순한 진실로 구성되어 있습니다. 전기와 Wi-Fi를 사용하기 위해 과학자가 될 필요는 없습니다. 여기도 마찬가지입니다. 과학자들은 본질적으로 후속 합성과 함께 부분으로 분할을 의미하는 분석을 사용하고 초자연적인 것을 조금씩 수집합니다. 그리고 우리 멍청한 놈은 인터페이스를 아이디어에 나사로 고정할 때 옆에서 기다리고 있습니다. show " where to poke")) 여기, 기사 덕분에 나는 "지침에 따라" 신경망을 "생성"하고 훈련 시키고 MQL5 언어로 Expert Advisor를 "작성"했습니다. 내 인생의 위). 하지만 "기사" 부분에서 MQL5에서 성공적인 알고리즘 거래의 비밀을 밝히는 것은 나쁜 매너로 간주되기 때문에 기사 말미에 보통 "이 기사의 목적은 수익성 있는 거래 시스템을 만드는 것이 아니라 .. ."하고 기동의 여지를 남겨 둡니다. 여기에 걸림돌이 있습니다. 다음에 "거둘"것을 알려줄 다음 과학자를 기다리고 있습니다.)))
제 생각에는 이것이 문제입니다. 즉, 가격 기록에 대한 최상의 근사치를 위한 완전한 자유를 의미하는 논리가 없습니다. 고정 프로세스의 경우 이것이 올바른 접근 방식이지만 우리의 경우 완전하지 않으므로 고정되지 않습니다. 아이디어와 함께 예측자를 사용하십시오. 제 생각에는 이것이 더 사실입니다.
그건 그렇고, 네트워크의 각 계층에 뉴런이 있는 입력 뉴런과 계층은 몇 개입니까?
설명 감사합니다.
그림은 20개의 뉴런으로 구성된 3개의 레이어가 있는 네트워크를 보여줍니다. 100뉴런으로 최대 10레이어를 프로그램에서 생성할 수 있습니다.
일반적으로 대략적으로 말하면 이렇습니다. 옵티마이저, 그리드 또는 "유전적"은 매개변수가 고도로 종속되고 분포가 균질하지 않을 때 상대적으로 독립적인 소수(수십 개)의 매개변수에 대한 최적값을 잘 찾습니다. 차원의 저주(curse of dimensionality), 확률적 탐색(stochastic search), 더욱이 그리드 탐색(grid search)이 비효율적일 때 적용됩니다. 예를 들어, 유전 알고리즘 으로 다층 퍼셉트론을 훈련하는 것이 불가능한 이유 . 역전파에 의해 매개변수의 수백 또는 수천(네트워크의 모든 뉴런의 모든 가중치)을 "적합"하여 수행할 수 있습니다. 물론 이 매개변수는 모든 다차원 노이즈를 "촬영"할 수 있고 새로운 수준으로 재적합하는 기술을 가져옵니다. 지표로 애지중지하는 것과 비교됩니다.
NN은 옵티마이저와 동일한 적합도이며 더욱 그렇습니다.
평신도의 입장은 단순한 진실로 구성되어 있습니다. 전기와 Wi-Fi를 사용하기 위해 과학자가 될 필요는 없습니다. 여기도 마찬가지입니다. 과학자들은 본질적으로 후속 합성과 함께 부분으로 분할을 의미하는 분석을 사용하고 초자연적인 것을 조금씩 수집합니다. 그리고 우리 멍청한 놈은 인터페이스를 아이디어에 나사로 고정할 때 옆에서 기다리고 있습니다. show " where to poke")) 여기, 기사 덕분에 나는 "지침에 따라" 신경망을 "생성"하고 훈련 시키고 MQL5 언어로 Expert Advisor를 "작성"했습니다. 내 인생의 위). 하지만 "기사" 부분에서 MQL5에서 성공적인 알고리즘 거래의 비밀을 밝히는 것은 나쁜 매너로 간주되기 때문에 기사 말미에 보통 "이 기사의 목적은 수익성 있는 거래 시스템을 만드는 것이 아니라 .. ."하고 기동의 여지를 남겨 둡니다. 여기에 걸림돌이 있습니다. 다음에 "거둘"것을 알려줄 다음 과학자를 기다리고 있습니다.)))
제 생각에는 이것이 문제입니다. 즉, 가격 기록에 대한 최상의 근사치를 위한 완전한 자유를 의미하는 논리가 없습니다. 고정 프로세스의 경우 이것이 올바른 접근 방식이지만 우리의 경우 완전하지 않으므로 고정되지 않습니다. 아이디어와 함께 예측자를 사용하십시오. 제 생각에는 이것이 더 사실입니다.
그건 그렇고, 네트워크의 각 계층에 뉴런이 있는 입력 뉴런과 계층은 몇 개입니까?
설명 감사합니다.
그림은 20개의 뉴런으로 구성된 3개의 레이어가 있는 네트워크를 보여줍니다. 100뉴런으로 최대 10레이어를 프로그램에서 생성할 수 있습니다.
Forex에는 MO 또는 신경망이 적합하지 않습니다.
NN은 옵티마이저와 동일한 적합도이며 더욱 그렇습니다.
일반적으로 대략적으로 말하면 이렇습니다. 옵티마이저, 그리드 또는 "유전적"은 매개변수가 고도로 종속되고 분포가 균질하지 않을 때 상대적으로 독립적인 소수(수십 개)의 매개변수에 대한 최적값을 잘 찾습니다. 차원의 저주(curse of dimensionality), 확률적 탐색(stochastic search), 더욱이 그리드 탐색(grid search)이 비효율적일 때 적용됩니다. 예를 들어, 유전 알고리즘 으로 다층 퍼셉트론을 훈련하는 것이 불가능한 이유 . 역전파에 의해 매개변수의 수백 또는 수천(네트워크의 모든 뉴런의 모든 가중치)을 "적합"하여 수행할 수 있습니다. 물론 이 매개변수는 모든 다차원 노이즈를 "촬영"할 수 있고 새로운 수준으로 재적합하는 기술을 가져옵니다. 지표로 애지중지하는 것과 비교됩니다.
적합한. Pts는 일부 유형의 문제를 잘 해결합니다. 어느, 바닥은 국회에 어떤 책에 쓰여져 있습니다.
물론 일부 작업에서는 필수 불가결합니다. 예를 들어, 체스에서 또는 지문 및 다양한 이미지를 인식할 때, 표준 움직임 등으로.
여기에 걸림돌이 있습니다. 다음에 "거둘"것을 알려줄 다음 과학자를 기다리고 있습니다.)))
버튼을 누르는 것은 더 이상 문제가 되지 않습니다. 아무 것도 알 필요가 없습니다. 키를 누르기만 하면 됩니다.
전체 질문은 MO에 대한 특정 작업을 설정하는 것입니다. 그리고 당신과 당신을 제외하고 누군가가 이것을 할 것 같지 않습니다.
물론 일부 작업에서는 필수 불가결합니다. 예를 들어, 체스에서 또는 지문 및 다양한 이미지를 인식할 때, 표준 움직임 등으로.
버튼을 누르는 것은 더 이상 문제가 되지 않습니다. 아무 것도 알 필요가 없습니다. 키를 누르기만 하면 됩니다.
전체 질문은 MO에 대한 특정 작업을 설정하는 것입니다. 그리고 당신과 당신을 제외하고 누군가가 이것을 할 것 같지 않습니다.
제가 알기로는 FX에서 국회의 초기 업무는 차트상의 수치를 인정하는 것입니다. 그리고 나머지는 모두 국회를 왜곡하려는 시도)))
그리고 다음 기사로 넘어가서 NeuroSolution(또는 이와 유사한 것)을 사용하겠습니다.
물론 일부 작업에서는 필수 불가결합니다. 예를 들어, 체스에서 또는 지문 및 다양한 이미지를 인식할 때, 표준 움직임 등으로.
글쎄, 시장도. 예를 들어 학습 가능한 논리입니다. 끝없는 조건을 스스로 작성하는 대신 국회를 거기에 두십시오 - 15분이면 완료됩니다. 문제는 국회를 어떻게 거기에 둘 것인가였다.)
제가 알기로는 FX에서 국회의 초기 업무는 차트상의 수치를 인정하는 것입니다. 그리고 나머지는 모두 국회를 왜곡하려는 시도)))
아니요, "숫자"가 아닙니다. 숫자에 대해서는 그래픽 "패턴"이 시장에서 작동하지 않고 시장에서 기억하지 않으며 "볼 수 없습니다." " Pettern의 가설을 산산이 부서진 "pettern correlators"의 버전이 이미 얼마나 많았습니까?