Long short term memory (LSTM) is a recurrent neural network (RNN) architecture (an artificial neural network) published1 in 1997 by Sepp Hochreiter and Jürgen Schmidhuber. Like most RNNs, an LSTM network is universal in the sense that given enough network units it can compute anything a conventional computer can compute, provided it has the...
В статье автор расскажет об эволюционных вычислениях с использованием генетического алгоритма собственной реализации. Будет показано на примерах функционирование алгоритма, даны практические рекомендации по его использованию.
完全正确。在两个论坛上的几十个原始回归线指标和几百个关于它的帖子中，没有一个能正确构建和使用它。如果一个人认真对待的话，已经可以在这么简单的事情上陷入困境了。而你说神经网络。
还没有人需要《星际战舰》。到目前为止，需要的是实现一些网络类型。仅此而已。让有几种类型的投入配给（如果需要的话）
-亚历山大--。
真的，任何人都可以使用他几乎什么都不懂的东西，而且是以最小的努力 - 我无法想象。是的，金发女郎（愿金发女郎原谅我）开着车，但她们知道车的一些装置，她们知道规则，她们在城市里开着车，她们不会去城外没有服务的地方。因此，"任何交易者 "以 "最小的努力"，甚至 "航天器 "的利润是不现实的imho，特别是对于航天器。
交易者不需要知道它是如何工作的，他需要知道最低限度的使用规则，我们的目标是使这些要求尽可能的简单和直观。
1.结构、建筑等等都可以讨论，直到第三次来临。在我看来，有必要设定一个具体的任务（不是很复杂，但也不是很简单），然后尝试在项目 中解决这个问题。
你必须做一切事情，牢记结果必须是普遍的，针对任何用户的（像VISARD，我讨厌这样说）。
2.所有有可能实现的都应该马上实现（这里有必要从滑板车转向星际飞船），如果有些东西希望实现，但没有可能性（或决定不会是普遍的），它应该被拒绝或从项目的限制中剔除。
好吧，我们需要一辆滑板车，然后把贝拉佐夫轮子栓在上面，但由于它们很重，我们需要一打踏板扭动器，但没问题，我们会增加10个鞍座和更多的踏板，但会出现效率低下的情况，因为人们不会同时扭动，所以我们会增加每个50公斤的同步器，但现在我们又缺人手了，所以我们会增加更多的鞍座。
oopssssssssss frame burst....
你有没有想过，为什么MQ开始编写MT5抢答器，而不是继续改进MT4的概念？
是的，这都是因为在发展过程中发现了很多概念本身的失误，它不够 "太空"，达到了它的上限。
如果我们现在不在概念中建立超级功能，框架就会在最后爆裂。
好吧，我们需要一辆滑板车，然后把贝拉佐夫轮子栓在上面，但由于它们很重，我们需要一打脚踏车，但没问题，我们会增加10个鞍座和更多的脚踏，但会出现效率低下，因为人们会扭得不同步，所以我们会增加每个50公斤的同步器，但现在又不够人，所以我们会增加鞍座。
oopssssssssss frame burst....
你有没有想过，为什么MQ开始编写MT5抢答器，而不是继续改进MT4的概念？
是的，这都是因为在发展的过程中发现了很多概念本身的误判，它的 "空间 "不够大，达到了它的上限。
如果你现在不把超级功能放到概念中，最后框架就会爆裂。
有相当多的正确和恰当的实施。你错了。
而且这个例子并不正确，也没必要扭曲得太厉害，别把我们也当成金发碧眼的人......)
什么是不正确的？
让我们实现MLP和组装项目，教网格分类XOR，但拓扑结构不适合相同的SLTM
不知道新的拓扑结构是否适用于MLP。
我没有说过一个关于金发女郎的字。
1）在这段时间里，你是否发明了什么根本性的新东西？
2）既然你在评估别人的知识，那么你在建立一个有利可图的NS进行交易方面有什么成功经验？:)
3）而且你需要了解交易的具体情况，所有的低效率都是暂时的，其属性也在变化。因此，为了消除过度训练而大胆处置一些例子是没有意义的。还是你天真地希望创建一个可以在任何网站或任何仪器上训练的NS，而且它将是强大的？:)
1）是的，许多东西都被发明了。gpwr 可以（如果他愿意的话）给大家介绍一下这个问题的基本情况。
2）我意识到，这个问题纯粹是挑衅。但是，恭喜你，我上当了。一个多月前，我辞去了我的主要工作，按照今天的标准，我的工资相当高，我开始自动交易，利用在这个知识领域积累的知识和实验经验。我身边的人、我的朋友、受人尊敬的论坛用户都知道我生活中最近发生的事情。
3）在研究和掌握遗传算法 方面有两年多的经验，其源代码中的最初想法被张贴在我的文章中，这让我可以说，构建一个拉比系统不仅是可能的，而且可以成功地应用于现实的日常生活中。而且我敢说，正是建立在神经技术和自组织/自学习/适应性原则基础上的系统才能够在市场上长期稳健发展。
Urain。
这都是因为开发过程中发现了概念本身的很多缺陷，它不够 "太空"，达到了它的上限。
如果你现在不把超级功能放到概念中，最后框架就会爆裂。
当然，你必须建立它们，但你不需要实施它们。
首先你需要弄清楚什么是砖头，然后什么是埃塔克，然后才能用一堆地板雕刻出一栋摩天大楼。
同时，讨论的结果看起来是，如果能有一栋16-20层的小型多层建筑就好了。他们不是没有学会如何建造两层楼，而是没有搞清楚技术和建筑材料。
也许我可以融入其中。我不可能成为一个程序员，我没有两个学位。但我擅长的东西。
我的意见是，够了，够了。
阿达林
科诺恩网
LVQ (学习矢量量化)
RBF网络
MLP
并让用户进行归一化处理）。