"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 62 1...555657585960616263646566676869...100 新评论 Mykola Demko 2011.11.24 21:42 #611 joo:哪个更快是显而易见的。但在整个训练中，你要向文件写多少次？- 一次？因此，速度并不关键，但视觉控制被简化。我不会说一个xml-文件会很容易在视觉上控制。我仍然可以使用某种模板作为xml-文件，但是将一层有1500个神经元的网格可视化将是一件很麻烦的事情，所以你会得到创建xml-文件的麻烦，而且无论如何你也不会得到好的可视化。虽然我不排斥它，但当你保存它时，你也可以在xml中复制它。MetaDriver。我说的初始化是什么意思？ 如果加载权重，这是一件事。如果配置网格+加载权重是另一回事。--对。我来唱。有两种方法将中间网络配置（结构、类型）映射到mql5代码中。第一个：在初始化过程中从库类中动态配置网络。这样的网络充斥着动态数组 和通过指针的链接。 这种方法到目前为止隐含着主导地位。但还有第二种方法：在预配置和映射到xml之后，生成一个刚性的网格（有静态数组和直接访问所需的地址（索引））。这样的引擎可能对用户更有吸引力，因为生成的网格速度更高（明显）。但实现起来比较复杂。 事实上，你需要做一个xml2mql编译器。我，事实上，为第二种方式。 我希望元引号将帮助，如果我们被卡住。第一条路。第二种选择被放弃了（我不记得确切的时间，但在第一页），因为在未来的 "用户 "类别中会包括不知道什么是F7的人。此外，该引擎的目的是易于扩展，任何知道F7目的的人都可以添加另一种类型的网格或发明自己的网格。ZY理解你对模板编码的重视，但同意以第二种方式，我们在实现学习算法和神经元类型的扩展方面都会有很大的问题，另外这仍然需要为GPU进行优化。第一个变体存在严重的问题，最简单的事情大家都能做，光是描述通用 引擎的项目就让我脑子发热。 yu-sha 2011.11.24 21:55 #612 明天我将从我的工作电脑上复制我在网络原型存储方面的工作，设置训练任务，在这里存储发现的解决方案。一切以xml为单位我认为解析xml文件的资源密集度太夸张了不要忘记，这是一个一次性的程序。更重要的是，与神经网络项目 的复杂性相比，为MQL5编写一个本地xml文件分析器是一项微不足道的任务。 Vladimir Gomonov 2011.11.24 22:08 #613 Urain。第一种方式。第二种选择已经被抛弃了（我不记得具体内容了，但在第一页），因为在未来，不知道F7是什么的人将被征入 "用户 "类别。而且这个引擎应该是很容易扩展的，所以每个知道F7目的的人都可以为自己增加一些网格或发明自己的网格。我只有一个问题，因为我对网格类型缺乏能力。网格类型是否可以由查找表唯一定义，即我们是否可以创建一个通用的抽象网格，它只是从一个给定的查找表出发？换句话说，一个真正的通用 网络？如果答案是肯定的，那么在 创建中间视图之前，网格配置编辑器就已经定义了网格类型，而不需要修改通用库。我的意思是它永远不会被要求（如果它没有故障的话），无论网格结构是什么。 你唯一能做的就是优化它，扩大非线性转换器的库，训练方法等等。 如果 "没有"，请随时给我一些不适合这种方式的例外情况的链接。--如果xml-representation的网络描述是经过深思熟虑的，并且完全从mql-implementation中抽象出来（这是正确的），那么这些替代方案看起来并不矛盾。不仅两者都可以实施，而且替代品也可以相互交叉。 Mykola Demko 2011.11.24 22:15 #614 MetaDriver。...答案不是二元的。 一方面，答案是否定的，关系表本身并没有指定神经元的类型。另一方面，答案是肯定的，有可能以数字形式指定类型（你通过开关创建一个从共同祖先继承的特定类型的对象）。所以总的来说，一个参数数组和一个关系表是没有问题的。但另一方面，即使是配置编辑器也有参数（层数、每层的神经元数量、层中神经元的类型），而这是在创建链接之前。 TheXpert 2011.11.24 22:36 #615 MetaDriver。换句话说--一个 真正的通用 网络？ 从前馈来看是的。对于其他人，你必须看一下拓扑结构。 Vladimir Gomonov 2011.11.24 22:50 #616 TheXpert。 从前馈来看，是的。对于其他人，你必须看一下拓扑结构。拓扑结构是由联结表设定的....。? TheXpert 2011.11.24 23:00 #617 MetaDriver。拓扑结构是由联结表....。 以及要链接的部件的功能。 Vladimir Gomonov 2011.11.24 23:24 #618 TheXpert。 以及要链接的部件的功能。好吧，让我们在这里再详细介绍一下。这种功能可以由一个有限的（小的）表格给出吗？ 不同类型的神经元之间有什么区别（除了激活函数）？ TheXpert 2011.11.24 23:37 #619 MetaDriver。好吧，让我们在这里再详细介绍一下。这种功能可以由一个有限的（小的）表格给出？ 不同类型的神经元之间有什么区别（除了激活函数）？严格说来，不是。 首先是一个简单的案例。比方说，我们有线性、西格玛和切线神经元。如果我们想增加一种新的激活类型，我们必须扩展激活类型的枚举。基本上，所以什么是地狱。但首先，为什么，例如在Kohonen网络中，输出层需要一些=一些激活函数的符号？这是多余的，多余的信息。第二，这个名单理论上是无限的。第三，每个网络在运作和安排上可能有其特殊性。例如，一个Kohonen网络（SOM）可能有一个相邻函数设置和一个标志，即是否将结果作为输出或只输出领导者（将所有非领导者清零）。例如，在逻辑模型中，可配置的参数是在激活函数中。这也在一般的模型中吗？在MLP层，它可能是一个单一的神经元存在的标志。____________________________顺便说一下，xml比二进制表示法更容易检查其有效性。而保存/恢复基本上没有时间上的要求。 Vladimir Gomonov 2011.11.25 00:20 #620 TheXpert: 1. 严格来说，没有。首先是一个简单的案例。比方说，我们有线性、西格玛和切线神经元。如果我们想增加一种新的激活类型，我们必须扩展激活类型的枚举。基本上，所以什么是地狱。但首先，为什么，例如在Kohonen网络中，输出层需要一些=一些激活函数的符号？这是不必要的和多余的信息。第二，这个名单理论上是无限的。第三，每个网络在运作和结构上都可能有自己的特殊性。例如，一个Kohonen网络（SOM）可能有一个相邻函数设置和一个标志，即是否将结果作为输出或只输出领导者（将所有非领导者清零）。例如，在逻辑模型中，可配置的参数是在激活函数中。这也在一般的模型中吗？在MLP层中，它可能是一个单一神经元的标志。____________________________2. 顺便说一下，xml比二进制表示法更容易检查其有效性。而saving/recovery基本上是没有时间限制的。1. 为什么不 呢。 我的想法是这样的--创建一个通用的 "元素库"，任何类型的神经网络都可以从中 "焊接"（很可能是可扩展的）。这个基础中的元素是由准确无误的定义--公式来定义的。如有必要，可应用伪代码。但不是以mql-code的形式，以提供与实现的分离--它们可以随着时间的推移而改进。 在抽象元素库创建之后（如果可能的话），你可以格式化xml-file，能够描述元素之间的所有连接。在xml-description被批准后，该项目 可以很容易地进行并联：分别编写1）组件的实施。=>输出是一个组件库。2) 网络类型/结构配置器 => 输出 - 图形、逐步或任何其他配置器，将配置保存为xml-文件。3）翻译成mql代码。=> 输出要么是（1）一个超级自我配置的mql-神经网络，以xml-文件为参数，要么是（2）一个编译器到一个特定的基于mql的刚性网络。类似这样的事情。似乎是有道理的。2. 是的。 1...555657585960616263646566676869...100 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
哪个更快是显而易见的。但在整个训练中，你要向文件写多少次？- 一次？
因此，速度并不关键，但视觉控制被简化。
我不会说一个xml-文件会很容易在视觉上控制。
我仍然可以使用某种模板作为xml-文件，但是将一层有1500个神经元的网格可视化将是一件很麻烦的事情，所以你会得到创建xml-文件的麻烦，而且无论如何你也不会得到好的可视化。虽然我不排斥它，但当你保存它时，你也可以在xml中复制它。
我说的初始化是什么意思？ 如果加载权重，这是一件事。如果配置网格+加载权重是另一回事。
--
对。我来唱。
有两种方法将中间网络配置（结构、类型）映射到mql5代码中。
第一个：在初始化过程中从库类中动态配置网络。这样的网络充斥着动态数组 和通过指针的链接。 这种方法到目前为止隐含着主导地位。
但还有第二种方法：在预配置和映射到xml之后，生成一个刚性的网格（有静态数组和直接访问所需的地址（索引））。
这样的引擎可能对用户更有吸引力，因为生成的网格速度更高（明显）。但实现起来比较复杂。 事实上，你需要做一个xml2mql编译器。
我，事实上，为第二种方式。 我希望元引号将帮助，如果我们被卡住。
第一条路。
第二种选择被放弃了（我不记得确切的时间，但在第一页），因为在未来的 "用户 "类别中会包括不知道什么是F7的人。
此外，该引擎的目的是易于扩展，任何知道F7目的的人都可以添加另一种类型的网格或发明自己的网格。
ZY理解你对模板编码的重视，但同意以第二种方式，我们在实现学习算法和神经元类型的扩展方面都会有很大的问题，另外这仍然需要为GPU进行优化。第一个变体存在严重的问题，最简单的事情大家都能做，光是描述通用 引擎的项目就让我脑子发热。
明天我将从我的工作电脑上复制我在网络原型存储方面的工作，设置训练任务，在这里存储发现的解决方案。
一切以xml为单位
我认为解析xml文件的资源密集度太夸张了
不要忘记，这是一个一次性的程序。
更重要的是，与神经网络项目 的复杂性相比，为MQL5编写一个本地xml文件分析器是一项微不足道的任务。
第一种方式。
第二种选择已经被抛弃了（我不记得具体内容了，但在第一页），因为在未来，不知道F7是什么的人将被征入 "用户 "类别。
而且这个引擎应该是很容易扩展的，所以每个知道F7目的的人都可以为自己增加一些网格或发明自己的网格。
我只有一个问题，因为我对网格类型缺乏能力。
网格类型是否可以由查找表唯一定义，即我们是否可以创建一个通用的抽象网格，它只是从一个给定的查找表出发？换句话说，一个真正的通用 网络？
如果答案是肯定的，那么在 创建中间视图之前，网格配置编辑器就已经定义了网格类型，而不需要修改通用库。我的意思是它永远不会被要求（如果它没有故障的话），无论网格结构是什么。 你唯一能做的就是优化它，扩大非线性转换器的库，训练方法等等。
如果 "没有"，请随时给我一些不适合这种方式的例外情况的链接。
--
如果xml-representation的网络描述是经过深思熟虑的，并且完全从mql-implementation中抽象出来（这是正确的），那么这些替代方案看起来并不矛盾。不仅两者都可以实施，而且替代品也可以相互交叉。
...
答案不是二元的。
一方面，答案是否定的，关系表本身并没有指定神经元的类型。
另一方面，答案是肯定的，有可能以数字形式指定类型（你通过开关创建一个从共同祖先继承的特定类型的对象）。
所以总的来说，一个参数数组和一个关系表是没有问题的。
但另一方面，即使是配置编辑器也有参数（层数、每层的神经元数量、层中神经元的类型），而这是在创建链接之前。
换句话说--一个 真正的通用 网络？
从前馈来看，是的。对于其他人，你必须看一下拓扑结构。
拓扑结构是由联结表设定的....。
?
拓扑结构是由联结表....。
以及要链接的部件的功能。
好吧，让我们在这里再详细介绍一下。
这种功能可以由一个有限的（小的）表格给出吗？ 不同类型的神经元之间有什么区别（除了激活函数）？
好吧，让我们在这里再详细介绍一下。
这种功能可以由一个有限的（小的）表格给出？ 不同类型的神经元之间有什么区别（除了激活函数）？
严格说来，不是。
首先是一个简单的案例。比方说，我们有线性、西格玛和切线神经元。如果我们想增加一种新的激活类型，我们必须扩展激活类型的枚举。
基本上，所以什么是地狱。但首先，为什么，例如在Kohonen网络中，输出层需要一些=一些激活函数的符号？这是多余的，多余的信息。
第二，这个名单理论上是无限的。
第三，每个网络在运作和安排上可能有其特殊性。例如，一个Kohonen网络（SOM）可能有一个相邻函数设置和一个标志，即是否将结果作为输出或只输出领导者（将所有非领导者清零）。
例如，在逻辑模型中，可配置的参数是在激活函数中。这也在一般的模型中吗？
在MLP层，它可能是一个单一的神经元存在的标志。
____________________________
顺便说一下，xml比二进制表示法更容易检查其有效性。而保存/恢复基本上没有时间上的要求。
1. 严格来说，没有。
首先是一个简单的案例。比方说，我们有线性、西格玛和切线神经元。如果我们想增加一种新的激活类型，我们必须扩展激活类型的枚举。
基本上，所以什么是地狱。但首先，为什么，例如在Kohonen网络中，输出层需要一些=一些激活函数的符号？这是不必要的和多余的信息。
第二，这个名单理论上是无限的。
第三，每个网络在运作和结构上都可能有自己的特殊性。例如，一个Kohonen网络（SOM）可能有一个相邻函数设置和一个标志，即是否将结果作为输出或只输出领导者（将所有非领导者清零）。
例如，在逻辑模型中，可配置的参数是在激活函数中。这也在一般的模型中吗？
在MLP层中，它可能是一个单一神经元的标志。
____________________________
2. 顺便说一下，xml比二进制表示法更容易检查其有效性。而saving/recovery基本上是没有时间限制的。
1. 为什么不 呢。 我的想法是这样的--创建一个通用的 "元素库"，任何类型的神经网络都可以从中 "焊接"（很可能是可扩展的）。这个基础中的元素是由准确无误的定义--公式来定义的。如有必要，可应用伪代码。但不是以mql-code的形式，以提供与实现的分离--它们可以随着时间的推移而改进。 在抽象元素库创建之后（如果可能的话），你可以格式化xml-file，能够描述元素之间的所有连接。在xml-description被批准后，该项目 可以很容易地进行并联：分别编写
1）组件的实施。=>输出是一个组件库。
2) 网络类型/结构配置器 => 输出 - 图形、逐步或任何其他配置器，将配置保存为xml-文件。
3）翻译成mql代码。=> 输出要么是（1）一个超级自我配置的mql-神经网络，以xml-文件为参数，要么是（2）一个编译器到一个特定的基于mql的刚性网络。
类似这样的事情。似乎是有道理的。
2. 是的。