"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 21 1...141516171819202122232425262728...100 新评论 TheXpert 2011.10.22 22:15 #201 sergeev:安德烈（TheExpert）对这个想法的乌托邦性质的感慨应该放在一边，直到聘请的专家、项目管理员和最后的参与者委员会宣布其裁决。同时，该议题仍在讨论中。因此，你必须调整你的目标，以便至少达到类似的效果。伙计，你似乎没有完全理解我。我属于脚踏实地、悲观的一方。是的，这个库应该是通用的，就像乐高的构造器--你可以组装任何你喜欢的东西。所以，没问题!但要分别教导每一个人。你可以做它的功能，合作培训要么是地狱，要么是笨拙的怪物，会花一个小时来学习XOR。是的，这个库应该很容易使用，这需要一个模板专家。易于使用，以至于非程序员也能使用。 理论上，可以创建几个模板EA，并将其数据输入自动化，以简化和非编程人员。但无论如何，这些数据应该由自己来准备。是的，库的输入和输出都应该有一个通用的接口，这样你就可以把一切都连接到它，从指标值到...所以它是普遍的!一系列的配音 - 多么普遍？在委员会中，重要的是对接时尺寸一致。 TheXpert 2011.10.22 22:17 #202 Urain。 我们说的是同一件事吗？ 目标函数是计算网络输出误差的函数。 目标功能是我们的目标。在标准中 -- 与基准相比，最小化有效值输出误差。 Andrey Dik 2011.10.22 22:33 #203 TheXpert。....这已经是普遍现象了!一个双数的阵列更具有普遍性？而委员会的主要工作是确保停靠时的尺寸一致。你是什么意思？为了实现多功能性，GA是恰到好处的。为了清楚起见，发动机的算法被如此简化。如果我们想添加一个MLP网格，我们会问，如果我们输入20个值，第一个隐藏层有10个神经元，第二个有10个，输出有1个，它将有多少个权重？它告诉我们，244。我们想再增加一个网格（不管它是什么），所以我们再次询问.....，它告诉我们542。所以244+542=786。我们还想优化SL和TP，我们还想增加两个参数，所以786+2=788。我们还想优化macdi，它有两个参数，所以788+2=790。好的，我们把阵列的大小调整为790。瞧！我们将在GA中优化790个参数。然后你可以尽可能多地添加网络类型和其他东西，保持统一的接口标准（提前开发）。类似这样的事情。 --- 2011.10.22 22:33 #204 Urain。让我们做一个图形引擎，做一个通用的网络（几个变体），然后邀请专家来解释它。 我们可以让它变得更简单。在这种情况下，我们从特殊到一般，试图抽象到普遍模式。1.绘制（在纸上+矩阵的口头算法）我们可以实现的网络（拓扑结构和他们的训练方法）。 2.在绘制的模型中找到共同的对接点，创建抽象的引擎类。 我们需要研究更多的模型，以这种方式拉动基本的构建模块。这种抽象必然是从人类语言概念（"创造"、"学习"、"修复一个错误"）的角度来看的。因为这首先会使普通用户清楚地了解该模型。其次，这种功能-概念可以很容易地扩展到新的拓扑结构和方法。 михаил потапыч 2011.10.22 22:41 #205 另一个imho。你不太可能从外面找到符合你要求的专家顾问。在最好的情况下，你会在与与你水平相当的专家的谈判中陷入困境，但试图推销他们的知识，在谈判阶段把他们的水平夸大到你想要的水平。 如果有预算，不管是什么预算，在项目 结束时，根据对元数的主观评估，在你们之间平分或不平分，会更有效率。 Mykola Demko 2011.10.22 22:43 #206 sergeev:我们可以让它变得更简单。在这种情况下，我们从特殊到一般，试图抽象到普遍模式。1.绘制（纸上+口头算法Matmodel）我们可以实现的网络（拓扑结构和训练方法）。 2.在绘制的模型中找到共同的对接点，创建抽象的引擎类。 我们需要研究更多的模型，以这种方式拉动基本的构建模块。这种抽象必然是从人类语言概念（"创造"、"学习"、"修复一个错误"）的角度来看的。因为这首先会使普通用户清楚地了解该模型。其次，这种函数和概念可以很容易地扩展到新的拓扑结构和方法。我在第12页画了一个万能神经元，但还缺少一些东西。即激活器中的记忆接收细胞。但我不打算讨论训练方法，让数学家来解决这个问题 :o) Mykola Demko 2011.10.22 22:46 #207 米切克。 另一个imho。你不太可能在外面找到一个符合你要求的专家顾问。如果你们有预算，不管是什么样的预算，在项目结束时，根据对元宝的主观评估，在你们之间平分或不平分，会更有效。等一下的预算，我个人选择了调查中的第一项，我不是为了金属而在这里发牢骚。而关于局外人，这取决于你在哪里看，至少应该是受过训练的数学家。 不是靠近数学，而是一个数学家。 михаил потапыч 2011.10.22 22:49 #208 Urain。等一下的预算，我个人选择了调查的第一点，我不是为了金属而在这里干燥我的大脑。而关于局外人，这取决于你在哪里看，至少应该是一个数学家的学历。 不靠近matematicheskoy的人，即数学家。 你首先尝试对专家的要求形成一个一般或几乎一般的意见 TheXpert 2011.10.22 22:55 #209 sergeev:2.在绘制的模型中找到共同的对接点，创建抽象的引擎类。 我画出并布置了一个示例代码。所有的简单模型都适合在这些实体上使用。 Vladimir 2011.10.22 22:59 #210 TheXpert: 顺便说一句，弗拉基米尔，你愿意更广泛地发表你的观点和介词吗？ 在我看来，网格分为建模网格和分类网格。建模的人试图在一些输入数据的基础上预测下一个价格，例如过去的价格。这种网状模型不能应用于市场，IMHO。分类网络试图对输入数据进行分类，即买入/卖出/持有或趋势/平坦以及或其他。这就是我觉得有趣的地方。在我看来，最有希望的分类网络是对输入数据进行正确转换的SVM。我想说的是，网络本身并不重要，重要的是输入数据的转换，也就是说，我们可以用别的东西来代替SVM，比如RBN。在过去的两年里，我一直在研究基于大脑的网络（顺便说一下，MLP和其他大多数网络与大脑没有任何共同之处）。大脑有几层用于输入数据转换（声音、图像等），有一些分类引擎如VSM。大脑中的数据转换 照例是通过过滤和降维来完成的。滤波器的特征是在没有老师的情况下训练的，使用Hebbian竞争学习或其他自学方法。对过滤后的数据的分类是在老师的指导下进行的（反馈）。我以后会写更多细节。 MLP 广义MLP 模块网络 自组织地图 神经气体 竞争性学习 - 有前途 Hebbian - 有前途 FFCPA 径向基网络 LSTM 时滞递归 部分递归 小波网络 完全递归 神经模糊 支持向量机 - 有前途 定制架构 - 有前途 1...141516171819202122232425262728...100 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
安德烈（TheExpert）对这个想法的乌托邦性质的感慨应该放在一边，直到聘请的专家、项目管理员和最后的参与者委员会宣布其裁决。同时，该议题仍在讨论中。
因此，你必须调整你的目标，以便至少达到类似的效果。
伙计，你似乎没有完全理解我。我属于脚踏实地、悲观的一方。
是的，这个库应该是通用的，就像乐高的构造器--你可以组装任何你喜欢的东西。
所以，没问题!但要分别教导每一个人。你可以做它的功能，合作培训要么是地狱，要么是笨拙的怪物，会花一个小时来学习XOR。
是的，这个库应该很容易使用，这需要一个模板专家。易于使用，以至于非程序员也能使用。
理论上，可以创建几个模板EA，并将其数据输入自动化，以简化和非编程人员。但无论如何，这些数据应该由自己来准备。
是的，库的输入和输出都应该有一个通用的接口，这样你就可以把一切都连接到它，从指标值到...
所以它是普遍的!一系列的配音 - 多么普遍？在委员会中，重要的是对接时尺寸一致。
我们说的是同一件事吗？ 目标函数是计算网络输出误差的函数。
....
这已经是普遍现象了!一个双数的阵列更具有普遍性？而委员会的主要工作是确保停靠时的尺寸一致。
你是什么意思？为了实现多功能性，GA是恰到好处的。
为了清楚起见，发动机的算法被如此简化。
如果我们想添加一个MLP网格，我们会问，如果我们输入20个值，第一个隐藏层有10个神经元，第二个有10个，输出有1个，它将有多少个权重？
它告诉我们，244。
我们想再增加一个网格（不管它是什么），所以我们再次询问.....，它告诉我们542。
所以244+542=786。
我们还想优化SL和TP，我们还想增加两个参数，所以786+2=788。
我们还想优化macdi，它有两个参数，所以788+2=790。
好的，我们把阵列的大小调整为790。
瞧！我们将在GA中优化790个参数。
然后你可以尽可能多地添加网络类型和其他东西，保持统一的接口标准（提前开发）。
类似这样的事情。
让我们做一个图形引擎，做一个通用的网络（几个变体），然后邀请专家来解释它。
我们可以让它变得更简单。
在这种情况下，我们从特殊到一般，试图抽象到普遍模式。
1.绘制（在纸上+矩阵的口头算法）我们可以实现的网络（拓扑结构和他们的训练方法）。
2.在绘制的模型中找到共同的对接点，创建抽象的引擎类。
我们需要研究更多的模型，以这种方式拉动基本的构建模块。
这种抽象必然是从人类语言概念（"创造"、"学习"、"修复一个错误"）的角度来看的。因为这首先会使普通用户清楚地了解该模型。其次，这种功能-概念可以很容易地扩展到新的拓扑结构和方法。
我们可以让它变得更简单。
在这种情况下，我们从特殊到一般，试图抽象到普遍模式。
1.绘制（纸上+口头算法Matmodel）我们可以实现的网络（拓扑结构和训练方法）。
2.在绘制的模型中找到共同的对接点，创建抽象的引擎类。
我们需要研究更多的模型，以这种方式拉动基本的构建模块。
这种抽象必然是从人类语言概念（"创造"、"学习"、"修复一个错误"）的角度来看的。因为这首先会使普通用户清楚地了解该模型。其次，这种函数和概念可以很容易地扩展到新的拓扑结构和方法。
我在第12页画了一个万能神经元，但还缺少一些东西。
即激活器中的记忆接收细胞。
但我不打算讨论训练方法，让数学家来解决这个问题 :o)
另一个imho。你不太可能在外面找到一个符合你要求的专家顾问。如果你们有预算，不管是什么样的预算，在项目结束时，根据对元宝的主观评估，在你们之间平分或不平分，会更有效。
等一下的预算，我个人选择了调查中的第一项，我不是为了金属而在这里发牢骚。
而关于局外人，这取决于你在哪里看，至少应该是受过训练的数学家。
不是靠近数学，而是一个数学家。
等一下的预算，我个人选择了调查的第一点，我不是为了金属而在这里干燥我的大脑。
而关于局外人，这取决于你在哪里看，至少应该是一个数学家的学历。
不靠近matematicheskoy的人，即数学家。
sergeev:
2.在绘制的模型中找到共同的对接点，创建抽象的引擎类。
顺便说一句，弗拉基米尔，你愿意更广泛地发表你的观点和介词吗？
在我看来，网格分为建模网格和分类网格。建模的人试图在一些输入数据的基础上预测下一个价格，例如过去的价格。这种网状模型不能应用于市场，IMHO。分类网络试图对输入数据进行分类，即买入/卖出/持有或趋势/平坦以及或其他。这就是我觉得有趣的地方。在我看来，最有希望的分类网络是对输入数据进行正确转换的SVM。我想说的是，网络本身并不重要，重要的是输入数据的转换，也就是说，我们可以用别的东西来代替SVM，比如RBN。在过去的两年里，我一直在研究基于大脑的网络（顺便说一下，MLP和其他大多数网络与大脑没有任何共同之处）。大脑有几层用于输入数据转换（声音、图像等），有一些分类引擎如VSM。大脑中的数据转换 照例是通过过滤和降维来完成的。滤波器的特征是在没有老师的情况下训练的，使用Hebbian竞争学习或其他自学方法。对过滤后的数据的分类是在老师的指导下进行的（反馈）。我以后会写更多细节。
MLP
广义MLP
模块网络
自组织地图
神经气体
竞争性学习 - 有前途
Hebbian - 有前途
FFCPA
径向基网络
LSTM
时滞递归
部分递归
小波网络
完全递归
神经模糊
支持向量机 - 有前途
定制架构 - 有前途