"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 76 1...697071727374757677787980818283...100 新评论 Alexey 2011.12.01 11:57 #751 可能是一个愚蠢的问题。是否有可能用 调整为维数为N的Kohonen图对 维数不等于N的向量进行分类。基本上一个人会把球体与圆形、正方形与立方体、金字塔与三角形归为一类。我希望这个想法是清楚的。 Mykola Demko 2011.12.01 14:01 #752 ivandurak:可能是一个愚蠢的问题。是否有可能用调整为维数为N的Kohonen图对维数不等于N的向量进行分类。基本上一个人会把球体与圆形、正方形与立方体、金字塔与三角形归为一类。我希望这个想法是清楚的。不，这个想法并不明确。一个人用同样的输入矩阵来阅读视频信息。眼睛里的受体既不会变多也不会变少。你提出要给不同维度的向量，你怎么能指望网格能充分响应呢？ yu-sha 2011.12.01 15:05 #753 ivandurak:可能是一个愚蠢的问题。是否有可能用调整为维数为N的Kohonen图对维数不等于N的向量进行分类。基本上一个人会把球体与圆形、正方形与立方体、金字塔与三角形归为一类。我希望这个想法是清楚的。如果你从下面看锥体，它是一个圆，从侧面看它是一个三角形。缸体也可以旋转 Alexey 2011.12.01 15:29 #754 打开图表。我们手动将其分解为趋势向上、趋势向下、趋势向右的部分--让我们假设我们被我们的直觉所引导。我们将这一细目加载到Kohonen表中，得到幻想的聚类。现在的任务是在当前时刻尽可能快而准确地检测出我们处于哪个集群。很明显，分析向量的维度将小于初始分解的维度。 它仍然依赖于TA，即开始的运动将继续而不是结束。 Alexey 2011.12.01 15:31 #755 yu-sha:如果你从下面看圆锥体，它是一个圆，但从侧面看它是一个三角形一个圆柱体也可以被扭曲 如果你慢慢旋转它，你可以从一个圆变成一个三角形。 Alexey 2011.12.02 10:52 #756 很抱歉，我是神经游戏的新手，所以这可能是一个愚蠢的问题。有一组向量X1,X2。X1={x1，x2，x3，}。而X1>>X3 ，X2>>X3 。x1和x2这两个向量近似相同.那么证明在空间中这两个向量将接近.尽管X3描述了最重要的特征。对于我们的公羊来说，X1=期间平均值，X2=期间PSY，X3=分散性，X4=趋势成分。那么在这种情况下，分类将主要基于x1和x2。如何避免这种情况，或者我又在密集放慢速度。 yu-sha 2011.12.02 11:03 #757 ivandurak:很抱歉，我是神经游戏的新手，所以这可能是一个愚蠢的问题。有一组向量X1,X2。X1={x1，x2，x3，}。而X1>>X3 ，X2>>X3 。x1和x2这两个向量近似相同.那么证明在空间中这两个向量将接近.尽管X3描述了最重要的特征。对于我们的公羊来说，X1=期间平均值，X2=期间PSY，X3=分散性，X4=趋势成分。那么在这种情况下，分类将主要基于x1和x2。如何避免这样的情况，或者我又在密集地放慢速度。你能举出一个具体的例子并设定一个具体的任务吗？这样一来，就更容易理解要点了 Alexey 2011.12.02 12:22 #758 yu-sha: 你能举出一个具体的例子并设定一个具体的目标吗？这个问题比较容易理解。任务是选择一个矢量，将市场分为几个群组：趋势上升，趋势下降，趋势东方。例如，让我们根据我们的幻想X{x1,x2,x3,x4,x5,x6,x7}组成一个向量阵列。x1=周期MA x2=MA的周期x3=MA的值x4=RAR的值x5=分散性，例如：。x6=MA（N）-MA（N-1）的趋势分量x7=MA和价格的交叉点的数量如果我们用Kohonen地图 对这些向量的阵列进行聚类，我们将看到接近的向量。事实证明，对欧几里得距离影响较大的将是x1,x2,x4,x7。虽然X3,X5,X6的特征即使不是更重要，也是不少的。我们可以在-1...1的范围内对所有的x进行归一化处理，但我看不出如何处理。或者你可以采取接近其价值的市场特征，在这种情况下，我们得到一个苍蝇与肉片的比较。 yu-sha 2011.12.02 13:16 #759 ivandurak:任务是找到一个矢量，将市场分为趋势向上、趋势向下、趋势向东的群组。例如，让我们根据我们的幻想X{x1,x2,x3,x4,x5,x6,x7}组成一个向量阵列。x1=周期MA x2=MA的周期x3=MA的值x4=RAR的值x5=分散性，例如：。x6=MA（N）-MA（N-1）的趋势分量x7=MA和价格的交叉点的数量如果我们用Kohonen地图对这些向量的阵列进行聚类，我们将看到接近的向量。事实证明，x1,x2,x4,x7将更多地影响欧几里得距离。虽然X3,X5,X6的特征即使不是更重要，也是不少的。我们可以在-1...1的范围内对所有的x进行归一化处理，但我看不出如何处理。或者说，如果我们把市场特征与它们的价值接近，那么我们就会得到苍蝇与肉片的比较。马匹，人们混在一起...MA周期，MA值...如果你尝试使用现成的程序和它们的帮助，你可以先尝试了解问题。扣减器，NS2 Alexey 2011.12.02 14:41 #760 yu-sha:马、人...MA期，MA值也许你应该先尝试使用现成的程序和它们的帮助，以进入问题的范围？Deductor, NS2.我同意这个例子不大正确。我们根据老马和年轻篮球运动员的身高、体重、年龄进行分组。重量=1/真实重量 .如果我们要处理的情况是，身高和年龄相同，但体重比身高和年龄低得多（我们是在拿苍蝇和肉片做比较）。事实证明，体重对矢量几乎没有影响，篮球运动员与马没有区别。 1...697071727374757677787980818283...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
可能是一个愚蠢的问题。
是否有可能用 调整为维数为N的Kohonen图对 维数不等于N的向量进行分类。基本上一个人会把球体与圆形、正方形与立方体、金字塔与三角形归为一类。我希望这个想法是清楚的。
可能是一个愚蠢的问题。
是否有可能用调整为维数为N的Kohonen图对维数不等于N的向量进行分类。基本上一个人会把球体与圆形、正方形与立方体、金字塔与三角形归为一类。我希望这个想法是清楚的。
不，这个想法并不明确。一个人用同样的输入矩阵来阅读视频信息。眼睛里的受体既不会变多也不会变少。
你提出要给不同维度的向量，你怎么能指望网格能充分响应呢？
可能是一个愚蠢的问题。
是否有可能用调整为维数为N的Kohonen图对维数不等于N的向量进行分类。基本上一个人会把球体与圆形、正方形与立方体、金字塔与三角形归为一类。我希望这个想法是清楚的。
如果你从下面看锥体，它是一个圆，从侧面看它是一个三角形。
缸体也可以旋转
如果你从下面看圆锥体，它是一个圆，但从侧面看它是一个三角形
一个圆柱体也可以被扭曲
很抱歉，我是神经游戏的新手，所以这可能是一个愚蠢的问题。
有一组向量X1,X2。X1={x1，x2，x3，}。而X1>>X3 ，X2>>X3 。x1和x2这两个向量近似相同.那么证明在空间中这两个向量将接近.尽管X3描述了最重要的特征。对于我们的公羊来说，X1=期间平均值，X2=期间PSY，X3=分散性，X4=趋势成分。那么在这种情况下，分类将主要基于x1和x2。如何避免这种情况，或者我又在密集放慢速度。
很抱歉，我是神经游戏的新手，所以这可能是一个愚蠢的问题。
有一组向量X1,X2。X1={x1，x2，x3，}。而X1>>X3 ，X2>>X3 。x1和x2这两个向量近似相同.那么证明在空间中这两个向量将接近.尽管X3描述了最重要的特征。对于我们的公羊来说，X1=期间平均值，X2=期间PSY，X3=分散性，X4=趋势成分。那么在这种情况下，分类将主要基于x1和x2。如何避免这样的情况，或者我又在密集地放慢速度。
你能举出一个具体的例子并设定一个具体的任务吗？
这样一来，就更容易理解要点了
你能举出一个具体的例子并设定一个具体的目标吗？
这个问题比较容易理解。
任务是选择一个矢量，将市场分为几个群组：趋势上升，趋势下降，趋势东方。
例如，让我们根据我们的幻想X{x1,x2,x3,x4,x5,x6,x7}组成一个向量阵列。
x1=周期MA
x2=MA的周期
x3=MA的值
x4=RAR的值
x5=分散性，例如：。
x6=MA（N）-MA（N-1）的趋势分量
x7=MA和价格的交叉点的数量
如果我们用Kohonen地图 对这些向量的阵列进行聚类，我们将看到接近的向量。事实证明，对欧几里得距离影响较大的将是x1,x2,x4,x7。虽然X3,X5,X6的特征即使不是更重要，也是不少的。我们可以在-1...1的范围内对所有的x进行归一化处理，但我看不出如何处理。或者你可以采取接近其价值的市场特征，在这种情况下，我们得到一个苍蝇与肉片的比较。
任务是找到一个矢量，将市场分为趋势向上、趋势向下、趋势向东的群组。
例如，让我们根据我们的幻想X{x1,x2,x3,x4,x5,x6,x7}组成一个向量阵列。
x1=周期MA
x2=MA的周期
x3=MA的值
x4=RAR的值
x5=分散性，例如：。
x6=MA（N）-MA（N-1）的趋势分量
x7=MA和价格的交叉点的数量
如果我们用Kohonen地图对这些向量的阵列进行聚类，我们将看到接近的向量。事实证明，x1,x2,x4,x7将更多地影响欧几里得距离。虽然X3,X5,X6的特征即使不是更重要，也是不少的。我们可以在-1...1的范围内对所有的x进行归一化处理，但我看不出如何处理。或者说，如果我们把市场特征与它们的价值接近，那么我们就会得到苍蝇与肉片的比较。
马匹，人们混在一起...MA周期，MA值...
如果你尝试使用现成的程序和它们的帮助，你可以先尝试了解问题。
扣减器，NS2
马、人...MA期，MA值
也许你应该先尝试使用现成的程序和它们的帮助，以进入问题的范围？
Deductor, NS2.
我同意这个例子不大正确。我们根据老马和年轻篮球运动员的身高、体重、年龄进行分组。重量=1/真实重量 .如果我们要处理的情况是，身高和年龄相同，但体重比身高和年龄低得多（我们是在拿苍蝇和肉片做比较）。事实证明，体重对矢量几乎没有影响，篮球运动员与马没有区别。