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。