Bir mayın tarlasında pazar görgü kuralları veya görgü kuralları - sayfa 43
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
Burada kasa - Tanrı kurtarır! Sıkıştırma prosedürü karmaşık değildir, NN eğitimi acı çekmez - etkili bir yöntem.
Optimal değerlerin uygulanamayan başarısına gelince, bu bizim sanal gerçeklik için saf bir blöftür. Bir sinüzoid tahmin ederseniz anlarım! - evet, optimal değerler var. Ve piyasa gevezeliği koşullarında bunlar nelerdir? Şimdi optimum burada ve bir sonraki adımda (ki bunu tahmin edersiniz), oradadır ... ve onu tüm gücünüzle "burada" aradınız. Kısacası, kesin lokalizasyon sorunu yoktur ve her adımda yeniden eğitim verilerek tatmin edici bir şekilde çözülür.
Tersi ifade, sonuçta, küresel minimum bulunmazsa veya en azından komşusu bulunmazsa, her adımda öğrenmenin tatmin edici olmayabileceği de doğrudur. Bu sorunu biraz inceledim, hata her iki örnekte asimptotik olarak ayrılıyor gibi göründüğünde ve farklı zaman aralıklarında aynı konfigürasyonun ağı tamamen zıt alım / satım sinyalleri verdiğinde kişisel olarak kendini aldatma gibi bir şey aldım. Mat olmasına rağmen. kazanma beklentisi olumluydu, her neyse, sonunda kumarhanede oynamaya devam ettiğim sonucuna vardım. Ve tüm bunlar, sırasıyla, ilk ağırlıklandırma faktörleri nedeniyle, bu sonuca vardım. İşte bazı düşünceler. :)
Bu arada, gözlemlerimin bir sonucu olarak, ızgaranın hızlı bir şekilde eğitildiği ağırlıkların en iyi rastgeleleştirilmesi [-0.07; +0.07]. neden bilmiyorum. :)
Bu, birkaç öğrenme çağınız olduğu anlamına gelir. Sınırda, nerede başlarsanız başlayın (en az +/-10), ızgara, ortalanmış giriş verileri için küçük değerlerin yakınında yer alan optimuma doğru yuvarlanmalıdır. Yapay olarak oraya dikiyorsun. Bu her zaman iyi değildir.
Tersi ifade, sonuçta, küresel minimum bulunmazsa veya en azından komşusu bulunmazsa, her adımda öğrenmenin tatmin edici olmayabileceği de doğrudur. Bu sorunu biraz inceledim, hata her iki örnekte asimptotik olarak ayrılıyor gibi göründüğünde ve farklı zaman aralıklarında aynı konfigürasyonun ağı tamamen zıt alım / satım sinyalleri verdiğinde kişisel olarak kendini aldatma gibi bir şey aldım. Mat olmasına rağmen. kazanma beklentisi olumluydu, her neyse, sonunda kumarhanede oynamaya devam ettiğim sonucuna vardım. Ve tüm bunlar, sırasıyla, ilk ağırlıklandırma faktörleri nedeniyle, bu sonuca vardım. İşte bazı düşünceler. :)
Bu, kötü eğitilmiş bir ağın belirtisidir. Eğitim vektörünün optimal P=w^2/d değerinden daha kısa olmadığından emin misiniz?
Bu, birkaç öğrenme çağınız olduğu anlamına gelir. Sınırda, nerede başlarsanız başlayın (en az +/-10), ızgara, ortalanmış giriş verileri için küçük değerlerin yakınında yer alan optimuma doğru yuvarlanmalıdır. Yapay olarak oraya dikiyorsun. Bu her zaman iyi değildir.
Evet, mümkün olduğunca az şey yapmaya çalışıyorum. Birkaç yüz bin çağdan sonra sonunda bana bir şey vermesini beklemek istemiyorum. Genellikle birkaç bin veya on binlerce yeterlidir.
Genellikle birkaç bin veya on binlerce yeterlidir.
Şaşırmış!
Bende birkaç yüz var.
Bu, birkaç öğrenme çağınız olduğu anlamına gelir. Sınırda, nerede başlarsanız başlayın (en az +/-10), ızgara, ortalanmış giriş verileri için küçük değerlerin yakınında yer alan optimuma doğru yuvarlanmalıdır. Yapay olarak oraya dikiyorsun. Bu her zaman iyi değildir.
Bu, kötü eğitilmiş bir ağın bir belirtisidir. Eğitim vektörünün optimal P=w^2/d'den daha kısa olmadığından emin misiniz?
Dürüst olmak gerekirse, uzun zamandır bu tür formüllere bakmadım, her şey az sayıda nöronla başlayan ve hatalar iki örnekte asimptotik olarak ayrılana kadar tüm bu devam eden bir deneyin sonucudur. Katmandaki ağırlıkların optimal değerini bulduktan sonra, ağı birkaç kez yeniden eğitiyorum ve aynı örnek üzerinde farklı sonuçlar var, ancak her ızgara için başlangıç ağırlık katsayıları farklı. Ağınızı sıfırdan yeniden eğitmeye çalışın ve tarihte aynı fırsatları alıp almadığınızı görün. O zaman söyle bana, bilmek istiyorum.
Şaşırmış!
Bende birkaç yüz var.
Eh, dedikleri gibi, uçuş normal. :)
Ağınızı sıfırdan yeniden eğitmeye çalışın ve tarihte aynı fırsatları alıp almadığınızı görün. O zaman söyle bana, bilmek istiyorum.
Tabii ki hayır!
Tüm işlemler farklı olacaktır ve bu nedenle zaman zaman, ancak ortalama kâr aynıdır (ve çok küçüktür). Ortalamaların tekrarlanabilirliği ile ilgileniyorum, hesaplama kaynaklarından tasarruf sağlıyor.
Tabii ki hayır!
Tüm işlemler farklı olacaktır ve bu nedenle zaman zaman, ancak ortalama kâr aynıdır (ve çok küçüktür). Ortalamaların tekrarlanabilirliği ile ilgileniyorum.
Sanırım kumarhanede oynuyorsun. Komiteleri kullanmanızı tavsiye ederim, çünkü bu muhtemelen en iyi etkiyi verecektir. Şahsen ben bu tür çalışma koşullarından memnun değilim. Ağı yeni verilerle yeniden eğitmeyi göze alamam, bu hatalara yol açar ve boştur, çünkü yeniden eğitimden sonra ağ bu geçmiş üzerinde yeniden test edilirse geçmiş kâr getirmez.
Evet, sanırım anladım. Görünüşe göre ilk randomizasyon ile gridin sonuçları tam olarak tekrarlanmamalıdır. Sonucun küçük bir aralıkta kararlı olması yeterlidir.
Örneğin, şöyle görünüyor:
DENEYİM 1:
DENEYİM 2:
Her iki durumda da gerçekleştirilen ilk başlatma dışında ilk veriler aynıdır.
Haklısın yoldaş!