САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Математико-Механический факультет Кафедра Системного Программирования Корыстов Максим Андреевич Исследование алгоритмов обучения искусственной нейронной сети для задач классификации Курсовая работа Научный руководитель: Невоструев К. Н. Санкт-Петербург 2014 г. Введение 1.1 Мотивация В последнее...
wolf-forward是需要的,你不能这样优化,在这种情况下,forward永远是坏的(或随机的),取决于你进入市场的哪个阶段,我已经有一堆这样的系统版本在回测中,在forward上像硬币一样工作)这被称为过拟合。
我有一打的优化,每月都有偏移。 在每个月,最佳输入参数与其他月份的参数不同。我应该为我的工作选择哪个?
在向前调阀时,是否有一种选择系统参数的算法?
我每个月都收到一打带有偏移量的优化结果,在每个月,最佳输入参数都与其他月份的参数不同。那么该选择哪一个呢?
我没有正确表达自己的意思,我的意思是 "类似的东西",即一个具有某种优化标准 的自我优化系统,同样的NS可以作为优化器使用
在向前调阀时,是否有一种选择系统参数的算法?
我已经收到了十几个优化方案,其中有一个月的偏移,每个月的最佳输入参数都与其他月份的参数不同。那么选择哪一个来合作呢?
谈到优化和学习。我花了23个小时,不算中间的操作。每次通过后(是几个epochs),我都会改变训练用的样本。不,我不洗牌,我改变它,也就是说,我不显示相同的图片。在学习过程中,没有重复的样本。
那到底是什么优化算法呢? 找一个有L-BFGS算法的,它将会快很多倍。
而你的NS将学习,嗯,100倍的速度,例如,不是23小时,而是10分钟(像所有正常人一样):))如果你有一个简单的梯度下降的固定步骤
这里有一个比较。
http://docplayer.ru/42578435-Issledovanie-algoritmov-obucheniya-iskusstvennoy-neyronnoy-seti-dlya-zadach-klassifikacii.html
那到底是什么优化算法呢? 找一个有L-BFGS算法的,它将会快很多倍。
而你的NS将学习,嗯,100倍的速度,例如,不是23小时,而是10分钟(像所有正常人一样):))如果你有一个简单的梯度下降的固定步骤
这里有一个比较。
http://docplayer.ru/42578435-Issledovanie-algoritmov-obucheniya-iskusstvennoy-neyronnoy-seti-dlya-zadach-klassifikacii.html
谢谢,我会读的。
更像是学习,而不是优化。不简单。我已经写过了--标准BP与模拟退火的手工操作。
可能有些算法更好,但我只使用开发环境中可用的算法。其他的、外部的都是有问题的。
一般来说,速度并不关键,如果我每3个月训练一次--23小时甚至是ufu。但在3个月的测试中,没有看到退化。可能工作的时间更长。
更像是学习,而不是优化。不简单。我已经写过了--标准BP与模拟手动退火。
也许有些算法更好,但我只使用开发环境中可用的算法。其他的、外部的都是有问题的。
无论如何,训练是对目标函数的优化。
对了,他们写的是退火,我不熟悉,我看一下吧
无论如何,训练是对目标函数的优化。
无论如何,训练是对目标函数的优化。
对了,他们写的是退火,我不熟悉,我看一下吧
是的,退火是通过在N个epochs之后改变学习参数来手动模拟的。 此外,学习序列被完全替换(不是混合,而是替换)。
这很酷,我在哪里可以读到更多关于这种NS的信息?也就是说,就像没有老师一样,但你还是会向输出端输入一些东西?
我不知道你在哪里可以读到更多关于这种NS的信息?也就是说,就像你没有老师的情况下得到的一样,但你仍然向输出端输入一些东西?
我可以阅读海金神经网络 和毕晓普的英文理论--没有翻译,但似乎已经准备好了。
这很简单。你输入随机交易,并输出结果。蒙特卡洛方法被称为,它本身并不是非常快。而它的系统化是一个系统分析的问题。