Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 629
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Maxim, MT optimizer'de ağı eğitmenize gerek yok. NN eğitmeni ve optimize edici, tamamen farklı optimallik kriterlerine sahip tamamen farklı algoritmalardır.
Daha önce çizdiğiniz NN yapısını hala kullanıyorsanız, piyasa için çok basit, çok zayıf. Zaten 15-20-15-10-5-1 yapısına geldiğimde başarılı olduğumu yazmıştım. Ve bu sadece bir tür anlaşma için. Yine de, kesinlikle her şeyi Khaikin'in tarif ettiği yöntemlerle yaptı, yani yeni bir şey değil, zil ve ıslık yok.
Daha basit yapılar iyi eğitilmedi.
ve katman sayısını, katmandaki nöron sayısını almaya çalışmadınız mı? Örneğin 15-200-1 veya 15-20-20-1?
PS Aslında, eğitim için çok fazla veri yok, ama çok fazla. Küçük bir örneklem boyutunda, Ulusal Meclis mantıklı hiçbir şeyi vurgulamayacak.
Ne kadar veri alıyorsunuz? Eğitim için 86.000 satır aldım.
1) ama katman sayısını, katmandaki nöron sayısını almaya çalışmadınız mı? Örneğin 15-200-1 veya 15-200-20-1?
2) Ne kadar veri alıyorsunuz? Eğitim için 86.000 satır aldım.
1. Denemedim. İlk katmanda 20 adet yeterlidir. Katman ve katmanlardaki nöronlar artmaya gitti.
2. N dönemler arasında ara karıştırma ile eğitimde yaklaşık 12000 sıra vardı. Birkaç çağdan sonra, eğitim verileri daha önce eğitime katılmamış olanlarla değiştirildi.
Elbette, saldırı için özür dilerim ama mesajınızı tekrar okudunuz. Oldukça belirsiz görünüyor.
Aynısı. MLP uzun süredir alakalı değil, derin öğrenme uzun süredir trend. Ve bir ağ, heterojen verileri işleme konusunda oldukça yeteneklidir, asıl şey mimaridir.Genel olarak haklısınız, ancak yalnızca sinir ağının ilk katmanıyla ilgili olarak. Geri bildirim, ikinci ve sonraki katmanlara, hatta ağın paralel katmanlarına giderse, ifadeniz etkisini kaybeder.
Bu durumda Maxim , ağı derinleştirmeyi ve gizli katmanlara geri bildirim sağlamayı düşünmelidir.
Ve gelince:
Katılıyorum, derinliği bulduğum tüm çan ve ıslıklarla nasıl birleştireceğim :) optimize edicide öğrenmesi biraz uzun olacak. devam eden bir ticaret var
Optimize edici için 30'dan fazla ağırlığın artık bir seçenek olmadığını düşünüyorum
+ buradaki birçok kişi, tüm bunlarla çalışmanın genellikle harika olduğu bir bulut olduğunu unutuyor, ancak och'a ihtiyacınız var. iyi kod optimizasyonu
Katılıyorum, derinliği bulduğum tüm çan ve ıslıklarla nasıl birleştireceğim :) optimize edicide öğrenmesi biraz uzun olacak. devam eden bir ticaret var
Optimize edici için 30'dan fazla ağırlığın artık bir seçenek olmadığını düşünüyorum
+ buradaki birçok kişi, tüm bunlarla çalışmanın genellikle harika olduğu bir bulut olduğunu unutuyor, ancak och'a ihtiyacınız var. iyi kod optimizasyonu
Giriş katmanını çoğaltmayı deneyin.
Aynısı. MLP uzun süredir alakalı değil, derin öğrenme uzun süredir trend. Ve bir ağ, heterojen verileri işleme konusunda oldukça yeteneklidir, asıl şey mimaridir.Giriş katmanını çoğaltmayı deneyin.
MLP sorunu çözebilirse, ilgili olup olmaması ne fark eder? Üstelik MLP ile kendinizi zorlamanıza gerek yok - her şeye sahipler ve neredeyse her yerdeler.
Pekala, sana bir şey önermiyorum. Derin öğrenme MLP ile başlar.
Derin öğrenme ekinde de her şey ve her yerde var. =)Sadece ağ içindeki verileri temsil etmeye gelince, hareketi ve dönüşümleri, aktivasyon, tekrarlayan katmanlar, düzenlileştirme, katman kombinasyonları vb. ile ilgili sorular doğal olarak ortaya çıkar. Şimdi bu derin öğrenmedir.
MLP sorunu çözebilirse, ilgili olup olmaması ne fark eder? Üstelik MLP ile kendinizi zorlamanıza gerek yok - her şeye sahipler ve neredeyse her yerdeler.
Pekala, sana bir şey önermiyorum. Derin öğrenme MLP ile başlar.
Sadece ağ içindeki verileri temsil etmeye gelince, hareketi ve dönüşümleri, aktivasyon, tekrarlayan katmanlar, düzenlileştirme, katman kombinasyonları vb. ile ilgili sorular doğal olarak ortaya çıkar. Şimdi bu derin öğrenmedir.
Bunu anlıyorum, ama başka bir şeyden bahsediyorum. İki boru ile ilgili problem için daha yüksek matematiğe gerek yoktur, aritmetik yeterlidir. Aritmetiğin alakalı olup olmadığı başka bir sorudur.
Yani, önce soruna karar vermeniz ve ardından çözüm yöntemlerini seçmeniz gerekir.
DM - DL'nin büyük ve karmaşık görevlerine gelince, MLP elbette orada uzun zaman geçmiş bir aşamadır.
Sadece derin olan çok daha hızlı öğrenebilir, diğer her şey eşitse .. 10 saat değil 5 dakika, örneğin :)