Hibrit sinir ağları. - sayfa 4
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
dişçiye
MQL4
İlyaA'ya
Orada. Ayrıca farklı yazarların 200-300 kadar kitabı var. Sadece NN ve GA'da bu kütüphaneyi okuyacağımdan daha hızlı ustalaşacağımı düşündüm. Ve böylece oldu. Daha hızlı.
Ustalık derken, terminolojiye hakim değil, pratik uygulamayı kastediyorum.
sonra Khaikin s. 330, bölüm 4,19 Bu işte iyiyim. Çabuk kavrayacaksınız.Bir şey daha tavsiye etmek istiyorum. Her çağdan en iyi bireyleri koyduğunuz ek bir popülasyon edinin (Ben buna "Era Gen Pool" veya GE diyorum). Karşıdan karşıya geçerken, mevcut popülasyondan ve GE'den bireyler alın. Böylece, ff fırlatma sayısı büyük ölçüde azalır. Bu tekniği elit seçimle karıştırmayın.
Haçların özünü ortaya çıkaracağız. Bu algılayıcının görevle diğerlerinden ne kadar daha iyi başa çıktığını yansıtan olasılığa göre kendiminkini seçiyorum. Buna göre, en iyiler her çifte katılmak için %80 şans ve en kötü %20 şans alacaktır. İşte böyle yaşıyorlar. Yönteminle ne demek istiyorsun? nüfus.Teşekkür ederim. Çok detaylı. Prensip olarak, evet, eğer algoritmayı farklı parametrelerle birkaç kez çalıştırdıysanız, sonuçları kullanacağız. Yani 200... Öyle olsun. Sonra bir sonraki an. Karlı bir “fenki” (mumlar ve göstergeler üzerinde bir kombinasyon) aramamız gerekiyor, onu gözlerimizle değil, algılayıcıyla arıyoruz. Bizim için lineer olarak ayrılabilir gruplar oluşturmasına izin verin. Arama kriterleri Kar => maks. Kullanıcının isteği üzerine durdurun. Daha sonra ölçeklerin analizi ve "fenki"nin tespiti. Sonra normal bir gösterge ve bir ticaret sistemi. Oldukça zor, ama ilk bakışta. Ölçekleri seçmek çok ilginç (en azından benim için). Soru :) Her bir birey üzerinden mumlar + göstergeler (isteğe bağlı) üzerinde 5 yıl boyunca geçmişi çalıştırmam gerekiyor ve her popülasyon için bunlardan 200 tane var. Bu BÜYÜK bir kaynak tüketimi, ayrıca ne zaman duracağımız bilinmiyor. Sorunu yeniden formüle etmeye çalışalım veya başka bir şekilde bu yapının en önemli özelliğini koruyalım - makine tarafından "komik" tespiti.
Hangi TF'de 5 yıl? M1 ise, uzun bir süre evet. W1 ise çok hızlı.
Ağdan harikalar yaratmaya ve ağa tüm tarihi anları öğretmeye çalışmaya gerek yok (karlı Fennecs). Çoğu bir daha asla olmayacak, en azından %99.
1000-3000 barlık tarihin optimal olduğunu düşünüyorum. Çalışma zamanı hatası belirli bir düzeyin üzerine çıktığında yeniden öğrenin. Örneklerin (barların) sayısı konusunda farklı görüşler olsa da belki artık bu konuya karşı çıkanlar çıkacaktır.
Hangi TF'de 5 yıl? M1 ise, uzun bir süre evet. W1 ise çok hızlı.
Ağdan harikalar yaratmaya ve ağa tüm tarihi anları öğretmeye çalışmaya gerek yok (karlı Fennecs). Çoğu bir daha asla olmayacak, en azından %99.
1000-3000 barlık tarihin optimal olduğunu düşünüyorum. Çalışma zamanı hatası belirli bir düzeyin üzerine çıktığında yeniden eğitin. Örneklerin (barların) sayısı konusunda farklı görüşler olsa da belki artık bu konuya karşı çıkanlar çıkacaktır.
Pekala, sanırım başlayacağım. Neden birçok bar öneriyorum? Çünkü (diye sordu, kendi yanıtladı), doğru bir şekilde belirtildiği gibi, rezene tilkilerinin çoğu kullanılıp atılabilir ve ağ bunu "öğrenebilir". Ve her zaman olduğu gibi, test edilen aralıkta, geri kalan her şeyde çikolata ortaya çıkacaktır. Bir kerelik anların en iyi filtresini kullanmayı öneriyorum, onların entegrasyonu. Izgaranın, tekrar eden bir rezeneyi izole etme şansı daha yüksek olacaktır. Ne fikrin var?Dün bir ızgara yazdım 10-15-10-1
Devam et...
Algılayıcıyı aşırı eğitim (yeniden eğitim, tıkınma) için kontrol ettiniz mi?
sonra Khaikin s. 330, bölüm 4,19 Bu işte iyiyim. Çabuk kavrayacaksınız.Okumak için zaman olmasa da belki okurum. Teşekkür ederim.
İlyaA yazdı >>
Haçların özünü ortaya çıkaracağız. Bu algılayıcının görevle diğerlerinden ne kadar daha iyi başa çıktığını yansıtan olasılığa göre kendiminkini seçiyorum. Buna göre, en iyiler her çifte katılmak için %80 şansa ve en kötü %20 şansa sahip olacaktır. İşte böyle yaşıyorlar. Yönteminle ne demek istiyorsun? nüfus.
Evet. Bu ebeveynlerin yavruları yeni popülasyona getirilir. Bireylerin geri kalanı, asla aşkı deneyimlemeden, şerefsizce ölürler. :)
İşin özü bu! Bilmiyoruz, belki bu ölüler arasında değerli kişiler vardı? Peki ya ucube gibi görünüyorlarsa, yeni, güçlü bir nesil verebilirler.
GA sorusuna, meyve sineklerinden bir kuğu yetiştirmeye çalışıyormuşsunuz gibi yaklaşın.
Algoritma şudur:
1 Rastgele bireylerden oluşan bir popülasyon oluşturdu (çoğunlukla - hepsi çirkin)
2 Uygunluğu belirleyin.
3 Popülasyonu gen havuzuna kopyaladı
4 Popülasyondan ve gen havuzundan çaprazlanmış bireyler (oradan ve oradan seçim)
5 Yeni popülasyona yeni bireyler yerleştirdi
6 Her bireyin uygunluğunu belirledi
7 Eski popülasyondan ve yeni popülasyondan en iyi bireyleri aldılar, gen havuzundan daha iyiyse gen havuzuna yerleştirdiler (değiştirildi)
8 Eski popülasyonu yenisinden bireylerle değiştirdi.
9 n4 ile tekrar
ve böylece gen havuzundaki en iyiden daha iyi olan daha fazla birey kalmayana kadar.
Okumak için zaman olmasa da belki okurum. Teşekkür ederim.
Evet. Bu ebeveynlerin yavruları yeni popülasyona getirilir. Bireylerin geri kalanı, asla aşkı deneyimlemeden, şerefsizce ölürler. :)
İşin özü bu! Bilmiyoruz, belki bu ölüler arasında değerli kişiler vardı? Peki ya ucube gibi görünüyorlarsa, yeni, güçlü bir nesil verebilirler.
GA sorusuna, meyve sineklerinden bir kuğu yetiştirmeye çalışıyormuşsunuz gibi yaklaşın.
Algoritma şudur:
1 Rastgele bireylerden oluşan bir popülasyon oluşturdu (çoğunlukla - hepsi çirkin)
2 Uygunluğu belirleyin.
3 Popülasyonu gen havuzuna kopyaladı
4 Popülasyondan ve gen havuzundan çaprazlanmış bireyler (oradan ve oradan seçim)
5 Yeni bir popülasyona yeni bireyler yerleştirdi
6 Her bireyin uygunluğunu belirledi
7 Eski popülasyondan ve yeni popülasyondan en iyi bireyleri aldılar, gen havuzundan daha iyiyse gen havuzuna yerleştirdiler (değiştirildi)
8 Eski popülasyonu yenisinden bireylerle değiştirdi.
9 n4 ile tekrar
ve böylece gen havuzundaki en iyiden daha iyi olan daha fazla birey kalmayana kadar.
TAMAM. Bekleyeceğim :) Bu ışın aramayı çok andırıyor. Işın arama algoritmasının çalışmasını olasılıksal çaprazlama ile karşılaştırdım. Olasılıksal çaprazlamalar için sonuçlar daha iyiydi (daha az popülasyon). Ancak, kullanırsanız, iyi çalışma olasılığı yüksektir. Bir deney yapmanız gerekiyor. Bunun hakkında ne düşünüyorsun. XOR diyelim mi?
Pekala, sanırım başlayacağım. Neden birçok bar öneriyorum? Çünkü (diye sordu, kendi yanıtladı), doğru bir şekilde belirtildiği gibi, rezene tilkilerinin çoğu kullanılıp atılabilir ve ağ bunu "öğrenebilir". Ve her zaman olduğu gibi, test edilen aralıkta, geri kalan her şeyde çikolata ortaya çıkacaktır. Bir kerelik anların en iyi filtresini kullanmayı öneriyorum, onların entegrasyonu. Izgaranın, tekrar eden bir rezeneyi izole etme şansı daha yüksek olacaktır. Ne fikrin var?NN'yi beyninizi düşündüğünüz gibi düşünün. Nasıl "bütünleştireceksiniz"? Resim konusunda iyi olduğunuzu hayal edin. Belki gerçekten anlarsın.
Demek ünlü ustaların karakteristik püf noktalarını biliyorsunuz (karlı özellikler). Şimdi Photoshop'taki tüm ünlü ustaların çalışmalarını tek bir katmana yapıştırın. En az bir ünlü yazarın bildiğiniz en az bir özelliğini bulabilir misiniz? Ben şüpheliyim. NN de öyle.
NN'yi beyninizi düşündüğünüz gibi düşünün. Nasıl "bütünleştireceksiniz"? Resim konusunda iyi olduğunuzu hayal edin. Belki gerçekten anlarsın.
Demek ünlü ustaların karakteristik püf noktalarını biliyorsunuz (karlı özellikler). Şimdi Photoshop'taki tüm ünlü ustaların çalışmalarını tek bir katmana yapıştırın. En az bir ünlü yazarın bildiğiniz en az bir özelliğini bulabilir misiniz? Ben şüpheliyim. NN de öyle.
Gürültü entegrasyonu nedir? (Yine sordu kendi kendine cevapladı :) [-1; 1]. Buna göre mat. beklenti = 0. Harika. Ayrıca karmaşık konfigürasyonlu bir Signal s(t)'ye sahibiz. Sinyalin ve gürültünün genliği karşılaştırılabilir değerlere sahiptir. Görev, s(t) + m(t)'yi sınırsız sayıda tekrar etmenin mümkün olması koşuluyla, s(t) + m(t)'den s(t)'yi seçmektir. Girişim her seferinde yeni olacak, sinyal eğrisi önceki eğriden çok farklı olacaktır. Şaşırtıcı bir şekilde basit davranırlar: 1000 tekrar üzerinden s(t) + m(t) sinyalinin ortalama değerini bulurlar. Bu durumda 0 matematiksel beklentisi olan girişim entegre edilerek ortadan kaldırılmıştır. s(t) + m(t) sinyalinin ortalamasını ne kadar çok alırsak, o kadar az gürültü kalacaktır. İşte yine daha ayrıntılı olarak fikrim.
Ağın tüm rezeneleri bir kerede aramasını sınırlamak için (soyutlamanın etkisi diyelim :), nöron sayısını azaltacağız, yani. ağın genelleme yeteneğinde ve algılayıcı tarafından büyük miktarda materyalin öğrenilmesinin imkansızlığında bir kazanç elde ederiz. Ağı, veriler üzerinde yalnızca birini, ancak en karlı rezeneyi aramayı hedefleyeceğiz. Ne düşünüyorsun?