"New Neural", MetaTrader 5 platformu için bir sinir ağı motorunun Açık Kaynak projesidir. - sayfa 9
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
Olamaz. Farklı katmanlarda çeşitli. Diyorum ki, genel olarak her nöronu ayrı bir katman yapabilirsiniz.
Tampon hakkında bir örnekle daha iyidir. Eve gitmeme izin ver.
Katman, bir yinelemede birbirinden bağımsız nöronların birleşimidir .
Bunun olamayacağını kim söyledi ama ben istiyorum ve sen kanatlarımı kestin :o)
İnsanların ne düşünebileceğini asla bilemezsiniz, yine de katmanın tüm nöronlarının aynı sayıda girdiye sahip olması gerektiğini söylüyorsunuz.
ve türler ve bağlantılar aynı katmandaki nöronlar için bile farklı olabilir, bundan dans etmeniz gerekir, aksi takdirde oturmanız gereken bir dizi algoritma (internette bir demet var) alırız. aşağı bir şey bağlamak için.
Tehdit, her nöron ayrı bir katmansa algoritma ne kadar karmaşık olacak?
Çevrimiçi bir diyagram çiziminin bazı iş parçacığını kim önerecek, vb. saçmalık?
Google Dokümanlar'da resimler var, paylaşabilirsiniz.
Günde 1 saatten fazla olmamak kaydıyla çizimde sekreter olarak çalışabilirim.
Tamam, uygulanan 4 ağla ilgileniyorum
1. Kohonen ağları, dahil. SOM. Ne aranacağının net olmadığı durumlarda kümelere bölmek için kullanmak iyidir. Sanırım topoloji giriş vektörü, çıkış vektörü veya başka şekilde gruplandırılmış çıkışlar olarak biliniyor. Eğitim öğretmenli veya öğretmensiz olabilir.
2. MLP , en genel haliyle, yani. geri bildirimli bir grafik olarak organize edilmiş rastgele bir katman kümesiyle. Çok yaygın olarak kullanılır
3. Devridaim ağı. Dürüst olmak gerekirse, normal çalışan doğrusal olmayan bir uygulama görmedim. Bilgi sıkıştırma ve temel bileşen çıkarma (PCA) için kullanılır. En basit doğrusal biçiminde, sinyalin her iki taraftan da yayılabileceği doğrusal iki katmanlı bir ağ (veya genişletilmiş biçimde üç katmanlı bir ağ) olarak temsil edilir.
4. Yankı ağı. İlke MLP'ye benzer, orada kullanılır. Ancak organizasyonda kesinlikle farklıdır ve açıkça tanımlanmış bir eğitim süresine sahiptir (tam tersine, her zaman küresel bir minimum üretir).
5. PNN - kullanmadım, karıştırmıyorum. Ama bence zanaatkarlar var.
6. Bulanık mantık modelleri (olasılıksal ağlarla karıştırılmamalıdır). uygulamadı. Ama yardımcı olabilirler. Herhangi biri bilgi bulursa lütfen yayınlayın. Hemen hemen tüm modeller Japon yazarlık vardır. Hemen hemen her şey manuel olarak monte edilir, ancak topolojinin inşasını mantıksal bir ifadeyle otomatikleştirmek mümkün olsaydı (her şeyi doğru hatırlıyorsam), gerçekçi olmayan bir şekilde harika olurdu.
+ nöron sayısında evrimsel bir artış veya tam tersi bir azalma olan ağlar.
+ genetik algoritmalar + öğrenmeyi hızlandırmanın yöntemleri burada.
bu küçük sınıflandırmayı buldum
+ genetik kalıplar
Genetik çok fazla yiyor. kaynaklar. Gradyan algoritmaları daha iyidir.
neden kullanıcıların neye ihtiyaçları olduğuna karar verelim? Sana bir seçenek sunulmalı. Örneğin, PNN de çok fazla kaynak tüketir.
Kütüphane evrensel ve kapsamlı olmalı, internette zaten bulabileceğiniz standart geri yayılım paketinde değil, çözüm bulma fırsatları sunmalıdır.
Katman, bir yinelemede birbirinden bağımsız nöronların birleşimidir .
Ve ne veriyor?
İnsanların ne düşünebileceğini asla bilemezsiniz, yine de katmanın tüm nöronlarının aynı sayıda girdiye sahip olması gerektiğini söylüyorsunuz.
Um. Her nöronun bir girişi ve bir çıkışı vardır.
ve türler ve bağlantılar aynı katmandaki nöronlar için bile farklı olabilir, bundan dans etmeniz gerekir, aksi takdirde oturmanız gereken bir dizi algoritma (internette bir demet var) alırız. aşağı bir şey bağlamak için.
Birincisi, bitirmedim. İkincisi, kurallara bakın. Eleştiri daha sonra. Modeli bir bütün olarak görmüyorsunuz ama şimdiden eleştirmeye başlıyorsunuz. İyi değil.
Tehdit, her nöron ayrı bir katmansa algoritma ne kadar karmaşık olacak?
Neyin algoritması? Aptalca öğrenme ve işlevsellik yavaşlayacaktır.
Ve pzhalsta daha ayrıntılı olarak ne tür bir varlık "Tampon"?
Tampon, sinapsların ve nöronların iletişim kurduğu bir varlıktır. Bir kez daha, benim modelim biyolojik olandan çok farklı.
______________________
Üzgünüm, dün bitiremedim. İnternetten ödemeyi unuttum, kestim :)
Katman, bir yinelemede birbirinden bağımsız nöronların birleşimidir .
Bunun olamayacağını kim söyledi ama ben istiyorum ve sen kanatlarımı kestin :o)
İnsanların ne düşünebileceğini asla bilemezsiniz, yine de katmanın tüm nöronlarının aynı sayıda girdiye sahip olması gerektiğini söylüyorsunuz.
ve türler ve bağlantılar aynı katmandaki nöronlar için bile farklı olabilir, bundan dans etmeniz gerekir, aksi takdirde oturmanız gereken bir dizi algoritma (internette bir demet var) alırız. bir şeyi bağlamak.
Shl, her nöron ayrı bir katmansa algoritma ne kadar karmaşık olacak?
Teorik olarak muhtemelen mümkün, pratikte benzer bir durumla karşılaşmadı. Hatta ilk defa bu fikirle karşılaştım.
Bana öyle geliyor ki, tamamen deneysel amaçlar için, proje çerçevesinde, "rengarenk" bir katmanın uygulanması, işçilik maliyetleri ve uygulama verimliliği açısından muhtemelen en iyi fikir değildir.
Bu fikri kişisel olarak beğensem de, en azından bu olasılık muhtemelen tartışmaya değer.
neden kullanıcıların neye ihtiyaç duyduklarına karar vermeli
? Genetik bir öğretim yöntemidir . En doğru IMHO, daha önce en uygun olanı seçmiş olan öğrenme algoritmalarını gizlemektir.
? Genetik bir öğretim yöntemidir . En doğru IMHO, daha önce en uygun olanı seçmiş olan öğrenme algoritmalarını gizlemektir.
Fakat NN ile çalışmak sadece topolojisinin seçiminden mi ibaret? Öğretim yöntemi de önemli bir rol oynar. Topoloji ve öğrenme yakından ilişkilidir.
Tüm kullanıcıların kendi IMHO'ları vardır, bu nedenle kararın yarısını kendiniz alamazsınız.
Kendisini herhangi bir ön ayar ile sınırlamayan bir ağ tasarımcısı oluşturmalıyız. Ve mümkün olduğunca çok yönlü.
sergeev :
Kütüphane evrensel ve kapsamlı olmalı, internette zaten bulabileceğiniz standart geri yayılım paketinde değil, çözüm bulma fırsatları sunmalıdır.
Fakat NN ile çalışma sadece topolojisinin seçiminden mi ibaret? Öğretim yöntemi de önemli bir rol oynar. Topoloji ve öğrenme yakından ilişkilidir.
Tüm kullanıcıların kendi IMHO'ları vardır, bu nedenle kararın yarısını kendiniz alamazsınız.
Kendisini herhangi bir ön ayar ile sınırlamayan bir ağ tasarımcısı oluşturmalıyız. Ve mümkün olduğunca çok yönlü.