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。