Hibrit sinir ağları. - sayfa 3

Yeni yorum
 
IlyaA >> :

Hepsinin benimle iç içe olduğunu nerede yazdım? ...

->

İlyaA yazdı >>

Ah evet, ağ ilk aşamalarda tamamen veya evrişim ağlarının türüne göre bağlıdır, ancak birçok katman vardır). Ve tüm bu mutluluk 10 ile çarpılır ve çiftleşmeye başlar. Herkes sayılmalıdır, yani. 10x'imiz var.


İlyaA yazdı >>

XOR hakkında okudunuz mu?

Izgara yapısını genişletin (200 örneğe sahiptir).

Ve ağırlık sayısı hakkında, ben bir yazı yazarken cevap vermişsiniz. Mesajımı düzenlemedim.

Yani, ortaya çıkıyor: ağırlık sayısı = 50 * 60 + 60 + 60 * 39 + 39 + 39 * 2 + 2 = 5519. Böyle?

200 kopyaya ne dersin? Hiçbir yere yazmamışsınız.

 

İlyaA ve sakıza

Neden 2 gizli katman kullanıyorsunuz? Herhangi bir görev için bir gizli katman yeterlidir. Matematiksel olarak kanıtlanmış.

 
joo >> :

->


Ve ağırlık sayısı hakkında, ben bir yazı yazarken cevap vermişsiniz. Mesajımı düzenlemedim.

Yani, ortaya çıkıyor: ağırlık sayısı = 50 * 60 + 60 + 60 * 39 + 39 + 39 * 2 + 2 = 5519. Böyle?

200 kopyaya ne dersin? Hiçbir yere yazmamışsınız.


Evet, çok fazla ağırlık.

Popülasyonda 200 birey bulunan algılayıcı yapınızı açın lütfen (tahmin edilmesi güç).

 
joo >> :

İlyaA ve sakıza

Neden 2 gizli katman kullanıyorsunuz? Herhangi bir görev için bir gizli katman yeterlidir. Matematiksel olarak kanıtlanmış.



Evrişim ağları hakkında ne biliyorsunuz? Orada çok voobsche min. 4 katman.
 
IlyaA >> :

Izgara yapısını genişletin (200 örneğe sahiptir).

Nüfusu artırmayı önerir misiniz? Sizin için zor değilse, küçük bir deney yapın. 200 birey ve 25 birey için basit bir görevi (zaman, popülasyon sayısı) eğitmek ne kadar sürer? Gerisini değiştirmeden bırakacağız. Bu noktada, hiç deney yapmadım.

Ahh, 200 kişiyle ilgili bir soruydu ?, orada soru işareti olmadığı için anlamadım.

Ağım: 400-600-200. Toplam 360800 ağırlık.

Evet, nüfusu artırmanızı tavsiye ederim.

Deney için. Popülasyondaki birey sayısıyla ilgili epeyce deney yaptım. Ve ek deneylerle zaman kaybetmek istemiyorum. Cevap net değildi. Çok şey GA algoritmasına ve ne tür bir durdurma kriterinin kullanıldığına bağlıdır. Çoğu zaman uygunluk fonksiyonunun kendisine (ff) harcandığı oldukça açıktır ve saf GA algoritmasının çalışma süresi ihmal edilebilir düzeydedir. Bu nedenle, ff fırlatma sayısını azaltmaya çalışmak mantıklıdır. Bu, çeşitli yollarla elde edilebilir. Ve en basiti, popülasyondaki bireylerin sayısını almaktır.

Çok sayıda birey, yaklaşık 1000 parça alırsak, o zaman en iyi birey çok hızlı bir şekilde, geçiş sayısı açısından bulunur, ancak uygunluk fonksiyonu 1000 * n kez çalıştırılır, burada n, dönemlerin sayısıdır. Ne iyi değil - çok uzun zaman alıyor.

Popülasyona çok az birey alırsak, diyelim 10-25, o zaman popülasyonda aranacak yeterli gen havuzu yok, yine ff fırlatma sayısının artması nedeniyle arama süresi artıyor.

Bence en iyi seçenek popülasyondaki 200 bireydir.

Bir şey daha tavsiye etmek istiyorum. Her çağdan en iyi bireyleri koyduğunuz ek bir popülasyon edinin (buna "Çağ Gen Havuzu" 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.

 
IlyaA >> :


Evrişim ağları hakkında ne biliyorsunuz? Orada çok voobsche min. 4 katman.

Zaten sorunsuz bir şekilde "siz" e geçtik mi? TAMAM.

"Evrişim ağlarının" ne olduğunu bilmiyorum. Neden 4 katman? Bana ve gözler için bir iç (gizli) tabakanın yeterli olduğunu düşünenlere açıklar mısınız? Algoritmayı karmaşıklaştırmaya gerek yok. Zaten hesaplamak da kolay değil.

 
joo >> :.

Ve GA'nız ne için uygulanıyor? MQL?

 
joo >> :

Zaten sorunsuz bir şekilde "siz" e geçtik mi? TAMAM.

"Evrişim ağlarının" ne olduğunu bilmiyorum. Neden 4 katman? Bana ve gözler için bir iç (gizli) tabakanın yeterli olduğunu düşünenlere açıklar mısınız? Algoritmayı karmaşıklaştırmaya gerek yok. Zaten hesaplamak da kolay değil.


Khaikin'in bir kitabı var. Nöral ağlar?
 

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.

 
joo >> :

Çok sayıda birey, yaklaşık 1000 parça alırsak, o zaman en iyi birey çok hızlı bir şekilde, geçiş sayısı açısından bulunur, ancak uygunluk fonksiyonu 1000 * n kez çalıştırılır, burada n, dönemlerin sayısıdır. Ne iyi değil - çok uzun zaman alıyor.

Popülasyona çok az birey alırsak, diyelim 10-25, o zaman popülasyonda aranacak yeterli gen havuzu yok, yine ff fırlatma sayısının artması nedeniyle arama süresi artıyor.

Bence en iyi seçenek popülasyondaki 200 bireydir.

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.
12345678910...22
Yeni yorum