"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 31

 
TheXpert
已经解决并应用。而且它甚至被贴在这个主题中。

我是根据tol64 写的 我没有看到另一个这样的句子(由于不注意或没有注意到)。

如果我重复了什么,我不介意让NeuroOpenSource 删除它。

TheXpert

不允许使用dll

我只是说,现在先用手做,然后也许MQ会想出一些特殊情况下的特殊方法 :o)
 
Urain

如果我重复了什么,我不介意让 NeuroOpenSource 删除。

他不是管理员 :) 。

我告诉你用你的手,现在,然后也许MQ会清醒过来,为特殊情况制定特殊的方法 :o)

你不必试图去把握这个巨大的空间。你最好一步一步来。现在,正在概述以下基本实体。

__________________________

一个网络 (由层、突触和缓冲区组成)。

一个导师 (外部多功能学习算法),需要网络来列举和应用所有可定制的参数。例如,一个遗传导师。默认情况下,训练被嵌入到层和网格内。

初始化器- 这可能是最简单的实体:) 初始化网络的可调参数。

模式经理。一个实体,允许你创建(生成)图案,加载和保存它们,与网格兼容。

视觉经理。一个允许你直观地设计网络的实体。

数据处理者。用于模式规范化和分析的实体。

_________________________

你是不是忘记了什么?

所有实体都以某种方式相连(即一些实体应该通过接口支持其他实体),但它们本质上是独立的。

_________________________

目前,可以在没有任何问题的情况下同时开发一个模式管理器和一个数据处理器,并作出最小的支持安排。

 
TheXpert

你是不是忘记了什么?

所有实体都以某种方式相连(即一些实体应该通过接口支持其他实体),但本质上是独立的。

_________________________

目前有可能同时开发一个学习模式管理器和一个数据处理程序,而且支持协议最少。

是的,我似乎没有忘记什么--都在那里。

还有一点-- 最好能使模式管理器与标准的EA生成器向导 一定的兼容性 (可能也要关闭向导本身) 因此,能够用标准的向导为neurodrive生成模式。

 

我建议考虑以下建筑要点。

1)以指标的形式准备所有外部(相对于国家)数据,这将允许。

- 独立于整个系统

- 从视觉上评估想法的 "正确性"。

- 选择规范化的方式

2)积极寻找OpenCL(CUDA不幸地不能提供给AMD GPU的幸运拥有者)。

- HD6970上的1536个流处理器并不是CPU上的6个核心

- 在大多数情况下,神经网络的训练是一项SIMD任务,完美地落在GPU上。

- 整个建筑群的结构设计从一开始就应考虑到这些要求。

3)子系统之间的整个文件周转(配置、网络、查询......)应该用XML来维护

- 开放标准

- 100500 视觉编辑

- 现成的分析器https://www.mql5.com/ru/code/97

XmlParser
XmlParser
  • 投票: 11
  • 2010.04.12
  • yu-sha
  • www.mql5.com
Простой XML-парсер, который использует стандартную библиотеку msxml.
 
TheXpert

网络 (由层、突触和缓冲区组成)。

一个训练者 (外部的、通用的学习算法),需要网络列举并应用所有可配置的参数。例如,一个遗传导师。默认情况下,训练被嵌入到层和网格内部。

初始化器 可能是最简单的实体:)初始化网络的可调整参数。

图案管理器 一个允许你创建(生成)图案,加载和保存它们的实体,与网格兼容。

视觉管理器 一个允许对网络进行视觉设计的实体。

数据处理器 一个用于模式规范化和分析的实体。

模式管理器 是一个现成的模板,用于Initializer 格式的各种网路

视觉管理器 也依赖于初始化器,因为 VM将通过MF创建的图案以Initz格式保存。

初始化器 依赖于网络

导师 必须被缝入网络本身,当然,除非它是外部的,如GA.所以内部导师是依赖于网络

数据处理员 TheXpert甚至独立于它自己:o),前处理器独立于后处理器(主要是不失去同步性)。

所以,现在我们只有两个独立的实体,即网络和处理程序。

 
Urain:

模式管理器 是可以读写模式到文件并与时间过滤器一起工作。

不,模式管理器是可以将模式读入文件并与时间过滤器 一起工作。

视觉管理器 也依赖于初始化器

初始化器只是初始化给它的数据,有什么依赖性?

初始化器是 依赖于网络 的。

见上文。

辅导员 应该被缝进网络本身,当然,除非像GA那样是外部的。

确切地说,它是外部的。我故意把它放在括号里。

 

两个有趣的SVM算法:SVM与动态时间扭曲作为kernell函数:http://notendur.hi.is/steinng/ijcnn08.pdf 增量SVM学习:http://www.isn.ucsd.edu/svm/incremental/

 
TheXpert

初始化器将把有关网络结构的表格数据转化为初始化格式,即 "现在调用这个函数,否则这个周期将有这么多次迭代",所以它取决于网络的能力。如果网络不能像这样创建,那么这种拒绝就对初始化器施加了限制。

管理器保存/加载,保存由可视化器创建的,加载保存的,但如果初始化器是依赖性的,那么依赖性会通过它传递给管理器和可视化器。例如,用户要求in*wg的结果要成对相加,然后相乘,但网格功能不支持,所以我们需要在渲染器中引入约束条件,这是一种依赖。

(in0*wg0+
 in1*wg1)
 *
(in2*wg2+
 in3*wg3)
 
Urain

初始化器将把有关网络结构的表格数据翻译成初始化格式。

这种幻想从何而来?我有一种感觉,你根本不知道你在说什么。

class IInitializer
{
public:
   virtual void Init(double& value) {ASSERT(false);}
   virtual void Init(array& values) {ASSERT(false);}
   virtual void Init(matrix& values) {ASSERT(false);}
};

依赖性在哪里?

 
TheXpert

妈的,这种幻想是从哪里来的?我有一种感觉,你根本不知道你在说什么。

依赖性在哪里?

你稍有误解,依赖性不是直接的,而是逆向的,通过链,如果网络不能做某事(创建一个配置),那么当你写顶块时必须考虑到它,这就是依赖性。在有一个被批准的网络配置之前,谈论上层区块还为时过早,因为它们漂浮在不确定的领域。

ZZY 你可以用另一种方法,按原样写所有的区块,然后在发现不一致的地方打上补丁,然后再打补丁,结果当补丁的数量达到临界点时,就分析所有的东西,并从头开始重写。这有点麻烦,但它可以让你立即开始工作,并逐渐找出所有不一致的地方。