交易中的机器学习：理论、模型、实践和算法交易 - 页 592 1...585586587588589590591592593594595596597598599...3399 新评论 Yuriy Asaulenko 2018.01.20 19:09 #5911 马克西姆-德米特里耶夫斯基。 是的，我只是翻阅了各种文章，看看在这个问题上有什么有趣的东西 :)那么，与MLP相比，我的理解是，主要的优势是速度和最小设置（这里根本没有），而且这些网格几乎不需要重新训练。好了，高斯的F力被用来代替stydent的。对于每个输入，创建一个顶点密度fie，然后对输出的结果进行线性求和。顺便说一下，PNN和GRNN都有mql格式，但我还没有试过，也没有和MLP比较过。https://www.mql5.com/ru/code/1323 好了，终于对这些MKL的把戏给个说法了。有一个专业的软件，经过成千上万的用户测试，并使用它。我认为。 Alexander_K2 2018.01.20 19:16 #5912 Yuriy Asaulenko: 好吧，终于放弃了这些MKL的技巧。有一个专业的软件，经过成千上万的用户测试，并使用它。我认为。我同意。如果我是马克西姆，我会把他所有有趣的发现写在纸上，对于特定的圣杯 排水，我会使用Visim或类似的东西。 Yuriy Asaulenko 2018.01.20 19:25 #5913 亚历山大_K2。我支持你。如果我是马克西姆，我会把他所有有趣的发现写成文章，并使用Wissim或类似的东西来处理具体的圣杯排水。 VisSim?- 你在开玩笑吗？ 就像埃洛奇卡-什楚金娜曾经说过的那样）。我需要的软件是Python和R，一切都在这里。虽然他们都不是什么大专家，但从互联网上看，以及一般来说，我自己的观察。 Maxim Dmitrievsky 2018.01.20 19:27 #5914 尤里-阿索连科。 终于放弃了这些MKL的把戏。拥有一个专业的软件，经过成千上万的用户测试，并使用它。我认为。我自己做的，纯粹是为了TC:)甚至会有内存元素（延迟），像递归（一点）:)很简单，我的意思是，做任何网格架构，更难做一个像Backprops这样的求解器，但你可以在优化器中，如果权重不大的话这只是一个例子，你可以看一下代码，看看如何实现反推和NS。 Yuriy Asaulenko 2018.01.20 19:38 #5915 马克西姆-德米特里耶夫斯基。我自己做的，纯粹是为了TC:)甚至会有内存元素（延迟），像递归（一点）:)很简单，我的意思是，做任何网格架构，更难做一个像Backprops这样的求解器，但你可以在优化器中，如果权重不大的话这只是一个例子，你可以看一下代码，看看如何实现反推和NS的。好吧，我认为，没有必要成为一个无线电业余爱好者 - 时代不同了。你和我都不会专业地去做。我和一个朋友在修理卫星通信系统。而他们几乎是俄罗斯联邦的唯一。嗯，你永远无法制造（我是说制造）这样的东西......无线电业余爱好者的时代已经过去了。 Maxim Dmitrievsky 2018.01.20 19:42 #5916 尤里-阿索连科。好吧，我认为，没有必要成为一个无线电业余爱好者 - 这是一个不同的时代。这不像是你或我能专业地做的事了。我的朋友和我正在修理卫星通信系统。而他们几乎是俄罗斯联邦的唯一。嗯，你永远无法制造（我是说制造）这样的东西......无线电业余爱好者的时代已经过去了。现在一切都由机器人制造：）我们应该制造机器人，让机器人制造东西。我明白，我只是有一些想法，这是一种创意......没有具体的任务，怎么做才对呢？ Yuriy Asaulenko 2018.01.20 19:44 #5917 马克西姆-德米特里耶夫斯基。 现在每个人都在制造机器人 :) 我们需要制造机器人来制造能制造东西的机器人我明白了，只是有一些想法，这是种创意 我不是在谈论创造力。但在其中使用专业软件，而不是手工艺。但是。不要坚持。这取决于捐赠者）。 Aleksey Terentev 2018.01.20 21:04 #5918 尤里-阿索连科。 我不是在谈论创造力。但在其中使用专业软件，而不是手工艺。但我并不坚持。这取决于捐赠者）。 我已经在Python上发布了上述PNN的链接。我猜它没有发挥作用）。 Yuriy Asaulenko 2018.01.20 21:06 #5919 阿列克谢-特伦特夫。 我在上面贴了一个Python中PNN的链接。可能没有得到它）。 我知道了。但你仍然在谈论MCL。我是认真的。如果我们做的是DM，那就没有用了。我不这么认为。 Maxim Dmitrievsky 2018.01.20 21:22 #5920 有时间延迟的集中前向传播网络在结构图识别中，通常使用静态神经网络。相比之下，时间图谱识别需要处理随时间变化的图像，并在某一特定时间点产生反应，该反应不仅取决于当前的，而且还取决于之前的几个值。有这样的人吗？:) 确切地说，这种架构的类型将在外汇中发挥作用，在理论上......但你必须进行实验。很容易做到，只需在MLP中添加几个 "有趣的 "神经元，或结合2个模型。只要拿PNN代替MLP，把剩下的东西拧在上面和侧面。 1...585586587588589590591592593594595596597598599...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
是的，我只是翻阅了各种文章，看看在这个问题上有什么有趣的东西 :)那么，与MLP相比，我的理解是，主要的优势是速度和最小设置（这里根本没有），而且这些网格几乎不需要重新训练。
好了，高斯的F力被用来代替stydent的。对于每个输入，创建一个顶点密度fie，然后对输出的结果进行线性求和。
顺便说一下，PNN和GRNN都有mql格式，但我还没有试过，也没有和MLP比较过。
https://www.mql5.com/ru/code/1323
好吧，终于放弃了这些MKL的技巧。有一个专业的软件，经过成千上万的用户测试，并使用它。我认为。
我同意。
如果我是马克西姆，我会把他所有有趣的发现写在纸上，对于特定的圣杯 排水，我会使用Visim或类似的东西。
我支持你。
如果我是马克西姆，我会把他所有有趣的发现写成文章，并使用Wissim或类似的东西来处理具体的圣杯排水。
终于放弃了这些MKL的把戏。拥有一个专业的软件，经过成千上万的用户测试，并使用它。我认为。
我自己做的，纯粹是为了TC:)甚至会有内存元素（延迟），像递归（一点）:)很简单，我的意思是，做任何网格架构，更难做一个像Backprops这样的求解器，但你可以在优化器中，如果权重不大的话
这只是一个例子，你可以看一下代码，看看如何实现反推和NS。
我自己做的，纯粹是为了TC:)甚至会有内存元素（延迟），像递归（一点）:)很简单，我的意思是，做任何网格架构，更难做一个像Backprops这样的求解器，但你可以在优化器中，如果权重不大的话
这只是一个例子，你可以看一下代码，看看如何实现反推和NS的。
好吧，我认为，没有必要成为一个无线电业余爱好者 - 时代不同了。你和我都不会专业地去做。
我和一个朋友在修理卫星通信系统。而他们几乎是俄罗斯联邦的唯一。嗯，你永远无法制造（我是说制造）这样的东西......无线电业余爱好者的时代已经过去了。
好吧，我认为，没有必要成为一个无线电业余爱好者 - 这是一个不同的时代。这不像是你或我能专业地做的事了。
我的朋友和我正在修理卫星通信系统。而他们几乎是俄罗斯联邦的唯一。嗯，你永远无法制造（我是说制造）这样的东西......无线电业余爱好者的时代已经过去了。
现在一切都由机器人制造：）我们应该制造机器人，让机器人制造东西。
我明白，我只是有一些想法，这是一种创意......没有具体的任务，怎么做才对呢？
现在每个人都在制造机器人 :) 我们需要制造机器人来制造能制造东西的机器人
我明白了，只是有一些想法，这是种创意
我不是在谈论创造力。但在其中使用专业软件，而不是手工艺。但我并不坚持。这取决于捐赠者）。
我在上面贴了一个Python中PNN的链接。可能没有得到它）。
有时间延迟的集中前向传播网络
在结构图识别中，通常使用静态神经网络。相比之下，时间图谱识别需要处理随时间变化的图像，并在某一特定时间点产生反应，该反应不仅取决于当前的，而且还取决于之前的几个值。
有这样的人吗？:) 确切地说，这种架构的类型将在外汇中发挥作用，在理论上......但你必须进行实验。很容易做到，只需在MLP中添加几个 "有趣的 "神经元，或结合2个模型。
只要拿PNN代替MLP，把剩下的东西拧在上面和侧面。