Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 605
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eu quero determinar automaticamente o número de neurónios na rede. Quais são as fórmulas para calculá-lo?
Li algures que a camada de entrada deve ter metade do tamanho da camada de entrada, máximo 2 camadas, já não faz sentido.
para o MLP
Você deve ir para Gerchik ou ir direto para Perepelkin se você está falando sério sobre investir em educação.
Perepelkin não ensina mais, ele tem otários suficientes e abriu um dc.
Li algures que a camada de entrada deve ter metade do tamanho da camada de entrada, máximo 2 camadas, já não faz sentido.
é para o MLP
Absoluto disparate. Pode ser menos ou mais - depende da tarefa. Heikin (acho que você tem um) descreve como e porquê.
Não vi esta informação dele, talvez não a tenha lido com atenção.
Não vi esta informação dele, talvez não a tenha lido com atenção.
A segunda camada é normalmente maior do que a camada de entrada, porque começa a extrair características, e pode haver muitas dessas características, mesmo que você tenha uma classificação de sim/não.
Heikin tem isso com certeza, e está escrito muito melhor que o meu).
Absoluto disparate. Pode haver menos ou mais neurónios e camadas - isso depende da tarefa. Haykin (acho que você tem) descreve como e porquê.
Eu vi uma variante sobre o número de entradas / 2 e outras.
Como calcular automaticamente a variante ideal?
Já vi o número de entradas / 2 opções e outras.
Como faço para calcular automaticamente a melhor opção?
A segunda camada é normalmente maior do que a camada de entrada, pois começa a extrair características, e pode haver muitas dessas características, mesmo que você tenha uma classificação de sim/não.
Heikin definitivamente o tem, e está muito melhor escrito que o meu).
A regra geral é que o tamanho desta camada [oculta] está algures entre o tamanho da camada de entrada ... e o tamanho da camada de saída ....
Para calcular o número de nós ocultos, usamos a regra geral: (Número de entradas + saídas) x 2/3
Esta é a recomendação mais comum... mas em geral há métodos de determinação, você tem que ler no google, mas é complicado lá
NS não extrai nenhuma característica, as características são alimentadas à entrada. Ou reduz ou faz cortes em todas as combinações (com número crescente de neurónios).
Uma citação sobre a escolha do número de camadas:
Uma rede com três camadas (numLayers=3: uma entrada, uma oculta e uma saída) é normalmente suficiente na grande maioria dos casos. De acordo com o teorema de Tsybenko, uma rede com uma camada oculta é capaz de se aproximar de qualquer função multidimensional contínua com qualquer grau de precisão desejado. Uma rede com duas camadas ocultas é capaz de se aproximar de qualquer função multidimensional discreta.
Será que a análise de barras se refere a uma função contínua ou discreta?
NS não extrai nenhuma característica, as características são alimentadas à entrada. Reduz ou entalha todas as combinações (com um número crescente de neurónios).