"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 60

新评论
 
joo:

一片一片的--我明白。

我不明白其他的选择。我怎样才能一次提交所有的例子？- 还是我很笨？

好吧，你一次提交了所有的例子（通过计算所有例子上的FF总值），训练算法是不同的，例如Bekprops一次提交一个例子，顺序是随机的，但是要滚动整个例子列表几次，所以为什么不一次给算法所有的例子，已经它将按照它的逻辑给网格。

HZ不是傻子，只是不知道我在那里想什么，我会用解释来解决这一切。

ZZZY现在还没有准备好解释一切，我自己会理解的。）

 
gpwr:

Rebyata, ya budu seldom syuda zahodit'.如果您对我们的服务感兴趣，请发送电子邮件到我的雅虎邮箱（在个人主页上）。

祝你在EngiNeuro项目上取得好成绩!

谢谢弗拉基米尔，保持经常访问 :)

Urain。

一下子就好了

我也曾经认为，一块一块的是最好的。但是没有。梯度算法正是为累积误差而设计的，所以如果你按件进货，就不完全是梯度下降了。

因此，至少对于前馈来说，只能是一次性的。

 
TheXpert。

谢谢你，弗拉基米尔！多回来看看吧 :)

我也曾经认为，一块一块的是最好的。但是没有。梯度算法正是为总误差而设计的，所以如果你按件进货，就不完全是梯度下降了。

所以只能是一次性的，至少对于前馈来说是这样的


是的，这取决于算法的实现，我现在正在头脑风暴，如果我忘记了什么？
 

关于NS培训的说明

1) 健身函数（学习函数）

任何NS的学习过程都归结为在适应性论据的空间（在我们的例子中，这是权重的空间）中找到一个最大（最小）的函数。

2) MSE

该函数的经典版本是MSE（均方误差）。

对它来说，每个适应性参数的偏导数很容易找到，这样就可以使用权重的梯度拟合。

对于每一个输入到NS的例子，我们得到网络响应--y，我们有一个 "正确响应"--y'。

对于增量学习方法，在每个例子之后都要调整权重。在这种情况下，MSE=MODUL（y-y'）。

对于批处理方法，权重是在运行了整个训练样本后调整的。这里MSE=ROUND((AMOUNT(y-y'))^2)

MSE的主要缺点是，你需要对每个例子都有 "正确 "的答案。

这个功能是有用的，例如，对于重建一个 "未知 "的指标算法，如果它在每个条形上的 "正确 "值是已知的

3) 非标准功能

使用非标准功能可以解决更广泛的任务

例如，为了搜索合成交易策略，我们可以使用经过训练的神经元网络，例如，使F=Profit/MaxDownload函数最大化。

这里的估计是在完整的训练运行后进行的，因为你只有在期末才能评估策略的表现。

非常好的说明--我们不需要对每个酒吧都有正确的答案。

有一个不愉快的 "但是"：没有可能找到每个权重的函数的偏导，所以构建权重的梯度方法是不可接受的 - 我们应该使用随机方法，如GA

这就是GPU的作用--目前还没有预算上的替代方案。

P.S.

与每个特定交易策略的参数优化器不同，神经网络允许 "增长 "交易策略的完全合成算法。）

而这种方法的潜力是非常大的

 

我正在准备一个函数，将网格保存到bin文件中。所有的信息都很容易加密成一个乌龙数组，但如何处理这些权重，我却想不出来。

我想使用标准的数组保存功能。

有没有人有可恢复的ulong双加密的算法？

我认为网格应该保存为适合在MQL5中使用的简单格式（以它为基础），我必须用它来编写不同神经网络包的不同格式的转换器。

 
Urain。

我正在准备一个函数，将网格保存到bin文件中。所有的信息都很容易加密成一个乌龙数组，但如何处理这些权重，我却想不出来。

我想使用标准的数组保存功能。

有没有人有一种可恢复的双倍数加密成ulong的算法？

我认为网格应该被保存为一种简单的格式，适合在MQL5中使用（以它为基础），不同的神经网络包的不同格式的转换器应该由它编写。


为什么FileWriteArray不适合你？我不明白这个问题。你能给我们举个例子吗？

总之，网格配置在一个文件中，权重在另一个文件中。

我不知道什么对MQL更方便，我也不知道为什么要恢复加密的，因为这会导致不必要的制动。

 
her.human:

FileWriteArray有什么问题？我不明白这个问题。你能给我们举个例子吗？

在任何情况下，网格配置在一个文件中，权重在另一个文件中。

我不知道什么对MQL来说更方便，我也不知道为什么要恢复加密，因为这会造成不必要的制动。

是的，它会很慢（根据我的估计，加密1英里的砝码需要5秒钟），我只是想把砝码和网格结构都储存在一个文件里，我不在乎需要多少文件，我看到了它的便利性。

对于FileWriteArray 来说，只是想锐化，但有一个数组ulong形成了网络的描述（层数、神经元的数量、神经元的类型、它们之间的关系），它附加了一个权重数组，但是是重复的。

如何将所有这些塞进一个bin-file（假设分区不清楚，分区本身是在网格的第一个数字中编码的）？

 
Urain。

0.我正在准备一个函数，将网格保存到一个bin文件。所有的信息都很容易被加密成一个乌龙阵列，但如何处理这些权重，我却想不明白。

我想使用标准数组函数，但我不知道该怎么做。

1.有谁有可恢复的ulong的双重加密算法吗？

我认为网格应该保存为一种简单的格式，适合在MQL5中使用（以它为基础），然后将它翻译成各种神经网络包的不同格式。

0.这是极不成熟的。首先，你绝对要澄清并同意整个数据集，在逻辑层面上 毫不含糊地映射到网格的结构和配置。物理存储绝不是一个问题。

1.这很容易。在mql5中，对于这种转换有一个特殊的孔--不同类型的结构可以不受限制地相互分配，只要它们有相同的尺寸。

// ulong和double是完全一样的。

一个反常的例子请看这里：https://www.mql5.com/ru/forum/3775/75737#comment_75743

2.嗯...一方面，我同意--格式应该是方便和简单的，另一方面，它应该是非常普遍的，比如xml。也许可以计划两个选项（尽可能多）：一个是文本，另一个是二进制。 还有，见#0。

---

我一直在这个支部里走来走去，还在犹豫是否要干涉......。所以我忍不住了。

我想到了一个想法。一个。//我是说，我有很多想法，但只有一个。:)

这个想法是这样的：网格代码必须在 "网格编辑器"（配置器）的初步配置后生成。// 这个想法以前被提出过很多次，我不记得它被拒绝过。

因此，该方案--强制性的中间表示（例如，以xml-文件的形式）包含了 关于神经元网结构 的全部信息 。

一个中间的表述是经过仔细思考的，分析了完整性和其他错综复杂的问题，验证了和 修复了.

只有在这之后，我们才能编码（单独）：（1）各种网格配置器，（2）编码生成器--将中间表示法翻译成mql5代码。

两者都可以有多种实现方式--这是好的，也是正确的。

 
Urain。

是的刹车会（1千个砝码按我的估计会加密5秒），只是想和砝码和网格设备在一个文件中存储，然后散开一堆文件和魔鬼自己会断腿，在这我看到了方便。

我想锐化FileWriteArray，但我有一个形成网络描述的数组ulong（层数、神经元数、神经元类型、它们之间的连接）和一个附加在它上面的权重数组，但是是重复的。

如何把它全部塞进一个bin-file（假设分区不清楚，分区本身在网格的第一个数字中是加密的）？

坚决反对把所有东西都塞进一个文件里。分别对网络进行描述--分别对权重进行描述。否则会出现其他不必要的问题。

 
为什么是一个垃圾桶？一个纯文本文件不是更好吗，这样你就可以用眼睛看了？
1...535455565758596061626364656667...100
新评论