В статье приводится пример написания на языке MQL5 программы, реализующий адаптивный алгоритм кластеризации, называемый "Растущий нейронный газ" (Growing neural gas, GNG). Статья рассчитана на пользователей, изучивших документацию к языку, а также уже имеющих определенные навыки программирования и базовые знания в области нейроинформатики.
在工作流程问题上有一个细微的差别,因为数据处理方法取决于神经元类型,所以它们必须是神经元类型对象的一部分。
1)新意在于将什么作为一个层。如果像我给出的这种提法,就很难在GPU中组织计算。
2)如果我停在TheXpert 的配方上,就会出现加载GPU的问题。
1)为什么?
2)为什么?
一个层是不依赖于同一迭代和同一类型的神经元的混合体。
你是如何做到这一点的?没有矢量表示,你如何从GPU中榨取果汁?这是我正在考虑的事情之一。
数据阵列是外部的,剩下的就是指定哪些数据做什么。
因此,你有关于一个层中有哪些神经元的数据,并将其发送给GPU,以计算这个层的矢量,如此循环往复。
ZS啊,是的,在我画的神经元模型中,你需要引入数据的概念来存储中间计算(好在要和GPU一起工作,它们也应该是外部的)。
1)为什么?
2)为什么?
1)因为在我的表述中,一个层可能包含不同类型的神经元,而这是不能传递给GPU的非典型任务
2)因为在安德鲁的表述中,一个神经元可以是一个层,这有可能使GPU的负荷过重
一般来说,两害相权取其轻,GPU的负载不足并不像无法使用GPU那样可怕。
太糟糕了,Mql没有数据指针,否则我们可以直接将数据从向量聚合到神经元中。
停,如果我们可以直接传递数据向量的索引,为什么我们需要聚合呢,这将是同样的直接访问绑定。
ZZI 在神经元中创建一个数据参考对象,而不是一个数据对象。
2)因为在Andrei的表述中,一个神经元可以是一个层,这有可能使GPU的负荷过重
如果可以合并...那么它应该被合并。
对于如何用这样的引擎来组织不断增长的神经气体,我有一些零碎的想法,但它们还没有形成文字。
一个论点:网络重新初始化将是必要的。这些初始化本身就应该提供给学习算法。
项目经理可以是gpwr。部分原因可能是我。
谢谢你的信任,但我认为我不适合担任项目经理。我将解释原因。
从上述所有情况来看,我的建议是这样的。