Многие материалы по нейронным сетям сразу начинаются с демонстрации довольно сложных архитектур. При этом самые базовые вещи, касающиеся функций активаций, инициализации весов, выбора количества слоёв в сети и т.д. если и рассматриваются, то вскользь. Получается начинающему практику нейронных сетей приходится брать типовые конфигурации и...
В наше время, наверное, каждый трейдер слышал о нейронных сетях и знает, как это круто. В представлении большинства те, которые в них разбираются, это какие-то чуть ли не сверхчеловеки. В этой статье я постараюсь рассказать, как устроена нейросеть, что с ней можно делать и покажу практические примеры её использования. Понятие о нейронных сетях...
那是玩笑话。没有戏谑,扭一扭,看看会有什么影响。
如果输入足以完成任务,你可以在 "1个神经元 "上完成。
在莫的背景下,意识形态上的正确性在有毒-a。
--------------
教授谈深度网络 - youtu.be/qx3iM2aa2yU
31分钟 "仍然没有多少科学,但有很多巫术魔法"
以高变化率 为特征的发展阶段被特别命名为:飞跃。
激活函数(sigmoid、tanh和其他)是一个跃迁,通过引入变化速度的限制进行修改。
这里的 "寻求者 "还需要多少时间才能意识到这一事实的意义......。
它在外汇中不起作用)
以高变化率为特征的发展阶段被称为飞跃。
激活函数(sigmoid、tanh和其他)是一个跳跃,通过引入变化率的限制进行修改。
这里的 "寻求者 "需要多长时间才能掌握这一事实的含义......。
在没有实际证据证明其稳健性的情况下,对一些东西的理解有什么意义呢?
我更喜欢这样的说法:这是一条存款增长曲线(至少在测试中)......而你们现在都是M......Kikes azzaz......那么是的,没有问题。
在没有实际有力证据的情况下,意识到一些东西有什么意义呢?
你明白你刚才说的话吗......?
你知道你在说什么吗?
我愿意。
学习过程可以包括陡峭度优化,我已经这样做了,但只针对模糊逻辑。陡峭程度可以产生很大的差异,是的。
你给了一篇文章的链接https://habrahabr.ru/post/322438/
如果神经网络误差函数的图形真的是这样绘制的(它被贴在这里的切线上)。
很明显,使用sigmoid也可以建立类似的东西,但个别部分的陡度会更低。
如果sigmoid不那么陡峭,你可能可以用切线做同样的事,你只需要多拿3-5次。即增加神经元的数量。
可能sigmoid给了我较小的误差,因为我缺少切线时网络中的神经元数量。
谁有意见?学习交易,是交钱好还是免费好?还有一个问题,花钱上付费课程到底值不值?
我想了想文章https://www.mql5.com/ru/articles/497,激活函数的陡度发生了变化,得出的结论是网络会自己找到合适的陡度。
请看公式。
训练 时,网络 应该拾取乘法器Wn。如果对网络来说,总计*0.4更有利可图,那么它将简单地捡起Wn的所有权重,每一个都已经是*0.4。也就是说,我们只是把总的乘数放在括号里,它本身将由最小误差决定。
如果有人不同意,请纠正。
我一直在思考的问题......并得出结论,网络将自行拾取正确的陡度。
正是如此。NS将按比例增加或减少所有权重的正确数量(这将是-深度),甚至拿起正确的偏移。
总之,对于大多数任务来说,这并不重要。