6. 퍼지 논리 모델(확률적 네트워크와 혼동하지 말 것). 구현하지 않았습니다. 그러나 그들은 도움이 될 수 있습니다. 누구든지 정보를 찾으면 게시하십시오. 거의 모든 모델은 일본 작가입니다. 거의 모든 것이 수동으로 조립되지만 논리적 표현 으로 토폴로지 구성을 자동화할 수 있다면(모든 것을 올바르게 기억한다면) 비현실적으로 멋질 것입니다.
Speech Case는 Self-Organizing Incremental Neural Network에 관한 것이 아닙니다???
PN은 간단합니다. 예를 들어, 코드베이스에서 미리 만들어진 "가장 가까운 이웃"(kNN) 코드를 사용할 수 있습니다. GRNN도 여기에 포함됩니다.
이 프로젝트는 상당히 거대합니다. 모든 네트워크에 대한 코드를 작성하는 데 몇 년을 보낼 수 있지만 여전히 모든 사람을 만족시킬 수는 없습니다. 여기에서 잘 알려진 신경 전문가들은 네트워크가 지난 10-15년 동안 도입되지 않았다면 이미 구식이라고 말합니다. 이 분야의 최신 개발은 ICA 및 희소 코딩을 사용하는 자가 학습 생물학적 네트워크입니다. Google "희소 코딩" 및 "압축 감지", Olshausen 및 Fields on Sparse Nets 및 그 후속 작업. 이것은 보물입니다. DBN(Deep Belief Nets)의 중추인 Restricted Boltzman Machines(RBM)와 Convolutional Networks도 다용성으로 인해 많은 인기를 얻었습니다. Geoffrey Hinton과 Yann LeCun의 작품 읽기:
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...
필요한 것: 시스템이 작동하려면 2개의 매개변수에 대한 지속적인 재최적화가 필요하지만 통화 쌍의 수, 기간 및 최적화 기간 검색과 관련하여 작업은 기하급수적 으로 증가합니다. mashka 평균화 방법 및 계산 방법을 추가하면 진행을 추가할 수 있습니다.
실제로 매개변수는 두 개뿐입니다. 거래 시스템 자체에 주의가 산만하지 않고 신경 프로젝트 자체에 집중할 수 있습니다.
추신: EA는 지금 제 개인적으로 두 MA를 위한 경쟁에 참여하고 있습니다. 저는 환상이 없습니다. EA는 서두르고 위험과 매개변수는 눈으로 설정했으며 3개월 후에는 관련이 없게 될 것입니다. 대회 참가의 꿈이 이루어진 것만으로도 충분합니다 :-), 꼭 시청률 1면에 오르고 싶지만 글쎄요, 이건 이미 가사입니다...
물론 한 가지를 제외하고 모든 것이 여기에서 명확합니다. HC가 그것과 무슨 관련이 있습니까?)
gpwr :
모든 네트워크에 대한 코드를 작성하는 데 몇 년을 보낼 수 있지만 여전히 모든 사람을 만족시킬 수는 없습니다. 여기에서 잘 알려진 신경 전문가들은 네트워크가 지난 10-15년 동안 도입되지 않았다면 이미 구식이라고 말합니다. 이 분야의 최신 개발은 ICA 및 희소 코딩을 사용하는 자가 학습 생물학적 네트워크입니다. Google "희소 코딩" 및 "압축 감지", Olshausen 및 Fields on Sparse Nets 및 그 후속 작업. 이것은 보물입니다. DBN(Deep Belief Nets)의 중추인 Restricted Boltzman Machines(RBM)와 Convolutional Networks도 다용성으로 인해 많은 인기를 얻었습니다. Geoffrey Hinton과 Yann LeCun의 작품 읽기:
이것으로 시작하면 전체 아이디어를 즉시 끝낼 수 있습니다. 몇 년 동안 이것에 갇힐 수 있습니다. 그건 그렇고, 링크 덕분에 읽기 시작했습니다-어두운 숲). 그러나 단순한 것에서 시작하여(국회의원에 나열된 고전으로 충분할 것입니다) 점차적으로 모든 사람에게 복잡하고 새로운 것으로 보완 및 개선하는 것이 좋습니다. 프로젝트 가 더 빨라질수록 실질적인 "소진"이 발생합니다. 즉, 논리적 결론에 도달할 기회가 더 많아집니다.
시도해야 하지만 모든 네트워크를 완전히 인터페이스하는 것은 불가능할 수 있습니다.
6. 퍼지 논리 모델(확률적 네트워크와 혼동하지 말 것). 구현하지 않았습니다. 그러나 그들은 도움이 될 수 있습니다. 누구든지 정보를 찾으면 게시하십시오. 거의 모든 모델은 일본 작가입니다. 거의 모든 것이 수동으로 조립되지만 논리적 표현 으로 토폴로지 구성을 자동화할 수 있다면(모든 것을 올바르게 기억한다면) 비현실적으로 멋질 것입니다.
모든 기능을 기본 클래스에 넣고 가상으로 제공하면 유연한 추상화를 만들 수 있습니다.
글쎄, 당신은 그렇게 서투른 수 없습니다. MLP용 네트워크 토폴로지를 생성하기 위해 코호넨 네트워크에 가상 기능 이 필요한 이유는 무엇입니까?
다음과 같은 기본 기능만 결합할 수 있습니다.
-전파 신호(드라이브 입력)
- 기차
- 학습 패턴 추가
- 오류를 던지다
-저장\파일에서 가져오기
Speech 케이스는 Self-Organizing Incremental Neural Network에 관한 것이 아닙니다???
글쎄, 당신은 그렇게 서투른 수 없습니다. MLP용 네트워크 토폴로지를 생성하기 위해 코호넨 네트워크에 가상 기능 이 필요한 이유는 무엇입니까?
다음과 같은 기본 기능만 결합할 수 있습니다.
물론, 우리는 그들에 대해 이야기하고 있습니다. 베이스에 대해.
그러나 "CreateNetwork"와 같은 기능도 기본 클래스에 있어야 합니다. 상속인에게 이미 구현된 방식(토폴로지가 어떻게 될 것인지)은 상속인 자신의 문제입니다.
그러나 "CreateNetwork"와 같은 기능도 기본 클래스에 있어야 합니다. 상속인에게 이미 구현된 방식(토폴로지가 어떻게 될 것인지)은 상속인 자신의 문제입니다.
5. PNN - 사용하지 않고 뒤지지 않습니다. 하지만 장인이 있다고 생각합니다.
다른 모델을 제안하십시오.
PN은 간단합니다. 예를 들어, 코드베이스에서 미리 만들어진 "가장 가까운 이웃"(kNN) 코드를 사용할 수 있습니다. GRNN도 여기에 포함됩니다.
이 프로젝트는 상당히 거대합니다. 모든 네트워크에 대한 코드를 작성하는 데 몇 년을 보낼 수 있지만 여전히 모든 사람을 만족시킬 수는 없습니다. 여기에서 잘 알려진 신경 전문가들은 네트워크가 지난 10-15년 동안 도입되지 않았다면 이미 구식이라고 말합니다. 이 분야의 최신 개발은 ICA 및 희소 코딩을 사용하는 자가 학습 생물학적 네트워크입니다. Google "희소 코딩" 및 "압축 감지", Olshausen 및 Fields on Sparse Nets 및 그 후속 작업. 이것은 보물입니다. DBN(Deep Belief Nets)의 중추인 Restricted Boltzman Machines(RBM)와 Convolutional Networks도 다용성으로 인해 많은 인기를 얻었습니다. Geoffrey Hinton과 Yann LeCun의 작품 읽기:
http://www.cs.toronto.edu/~hinton/
http://yann.lecun.com/
Olshausen과 Hinton의 영어 강의는 매우 흥미 롭습니다.
https://www.youtube.com/watch?v=_G1RsAZXovE
https://www.youtube.com/watch?v=AyzOUbkUf3M
누군가가 MQL5용 Sparse Net을 코딩하기로 결정하면 협력에 매우 관심이 있을 것입니다. 그래도 저를 아시는 분들은 인내심이 너무 짧아서 시작한 일에 흥미를 잃는 경우가 많거든요 :)
테스트를 위해 두 MA가 교차하는 거래 시스템을 제안합니다.
장점: 시스템이 기본적이고 이해하기 쉬우며 세계만큼이나 오래되었습니다.
필요한 것: 시스템이 작동하려면 2개의 매개변수에 대한 지속적인 재최적화가 필요하지만 통화 쌍의 수, 기간 및 최적화 기간 검색과 관련하여 작업은 기하급수적 으로 증가합니다. mashka 평균화 방법 및 계산 방법을 추가하면 진행을 추가할 수 있습니다.
실제로 매개변수는 두 개뿐입니다. 거래 시스템 자체에 주의가 산만하지 않고 신경 프로젝트 자체에 집중할 수 있습니다.
추신: EA는 지금 제 개인적으로 두 MA를 위한 경쟁에 참여하고 있습니다. 저는 환상이 없습니다. EA는 서두르고 위험과 매개변수는 눈으로 설정했으며 3개월 후에는 관련이 없게 될 것입니다. 대회 참가의 꿈이 이루어진 것만으로도 충분합니다 :-), 꼭 시청률 1면에 오르고 싶지만 글쎄요, 이건 이미 가사입니다...
테스트를 위해 두 MA가 교차하는 거래 시스템을 제안합니다.
장점: 시스템이 기본적이고 이해하기 쉬우며 세계만큼이나 오래되었습니다.
물론 한 가지를 제외하고 모든 것이 여기에서 명확합니다. HC가 그것과 무슨 관련이 있습니까?)
모든 네트워크에 대한 코드를 작성하는 데 몇 년을 보낼 수 있지만 여전히 모든 사람을 만족시킬 수는 없습니다. 여기에서 잘 알려진 신경 전문가들은 네트워크가 지난 10-15년 동안 도입되지 않았다면 이미 구식이라고 말합니다. 이 분야의 최신 개발은 ICA 및 희소 코딩을 사용하는 자가 학습 생물학적 네트워크입니다. Google "희소 코딩" 및 "압축 감지", Olshausen 및 Fields on Sparse Nets 및 그 후속 작업. 이것은 보물입니다. DBN(Deep Belief Nets)의 중추인 Restricted Boltzman Machines(RBM)와 Convolutional Networks도 다용성으로 인해 많은 인기를 얻었습니다. Geoffrey Hinton과 Yann LeCun의 작품 읽기:
이것으로 시작하면 전체 아이디어를 즉시 끝낼 수 있습니다. 몇 년 동안 이것에 갇힐 수 있습니다. 그건 그렇고, 링크 덕분에 읽기 시작했습니다-어두운 숲). 그러나 단순한 것에서 시작하여(국회의원에 나열된 고전으로 충분할 것입니다) 점차적으로 모든 사람에게 복잡하고 새로운 것으로 보완 및 개선하는 것이 좋습니다. 프로젝트 가 더 빨라질수록 실질적인 "소진"이 발생합니다. 즉, 논리적 결론에 도달할 기회가 더 많아집니다.