如何正确形成NS的输入值。 - 页 9

 
sergeev писал (а)>> 3.网络过度训练的问题

过度训练的问题不是一个简单的问题,没有明确的答案。为了避免过度训练,有时会采用交叉检查的方式,但如果训练时间太短,它并不总是有帮助。但一般来说,对过度训练的最好检查是真正的或OOC。

 
TheXpert писал (а)>>

是的,我今晚会有东西看,很可能我很快就会拿出代码:)

Ehhh.我真的不明白为什么他们不愿意 "迅速 "相信这个想法,然后坐下来编码。

如果你回到主题,就会发现已经找到了 "正确 "的输入,它们被规范化了,唯一剩下的就是......。...是为了赶在 "冠军 "之前。一切(在工具的意义上,而不是投入)都已经被发明了。在这种情况下--Neurosolutions或Neuroshel 2(以及许多其他方案)。至少要确保AND输入是 "错误的",而 "正常化 "使其更加扭曲,会很快。

是的,有一种说法--所有的程序都是过时的,算法都长满了青苔,但是......。也许输入毕竟是错误的 :)

'

在这里,从过时,我被 "多义词网(GMDH)"(来自NeuroShell 2)"勾起 "了兴趣--十个小时的培训/学习,市场公式已经准备好了:)

 
sergeev писал (а)>> 9 递归网络

循环网络的好处是,没有 "老师"。因此,我们排除了一个非常重要的变量--网络的 "教师"。由于输出数据(网络将在此基础上进行训练)有可能出错,在排除它之后,我们可以只关注寻找输入。

 
LeoV писал (а)>>
交叉验证是指,例如,一个网络在2007年的时间间隔内被训练,在2007年的时间间隔内获得的最佳结果在2008年的时间间隔内被 "测试",如果它比前一个网络(也在2008年被 "测试")更好,这个网络就被留下。以此类推。同样,你在2007年没有得到更好的结果,但你不必担心,因为网络在2008年被检查。这样我们就可以避免过度训练(对网络)或过度优化(对TC)。

这是前瞻性测试,EMMNIP :),我想你也应该读读海金。

而且总的来说,你最后的帖子并没有什么内容,你能不能最后开始表达真正有用的想法?

 
TheXpert писал (а)>>

这是向前测试,EMNIP :),我想你也应该读读海金。

总的来说,在你最近的帖子中,没有一个信息量大的,你终于可以开始表达真正有用的想法了吗?

对不起,对不起,又来了。我有点忘乎所以了.....)))))

 
LeoV писал (а)>>

循环网络的好处是,没有 "老师"。因此,我们排除了一个非常重要的变量--网络的 "教师"。因此,如果我们排除了一个非常重要的变量--教师,我们就可以只专注于寻找投入。

什么?哦,递归网络没有老师?递归网络在有反馈的情况下与MLPs不同,但在没有教师的情况下则完全不同。关于埃尔曼和乔丹模型的RTFM。

 
TheXpert писал (а)>>

这是前瞻性测试,EMNIP :)

最后一点,对不起。正向测试是不同的。但也许我没有解释清楚?但我重读了一遍--似乎很有道理。你只是没有得到它.....

 
TheXpert писал (а)>>

什么?Ooo 递归网络没有老师?递归网络在有反馈的情况下与MLPs不同,但在没有教师的情况下则不同。关于埃尔曼和乔丹的模型,RTFM。

如果有的话,那就有吧!我不介意)))。

 
SergNF писал (а)>>

Eh.我真的不明白为什么他们不愿意 "迅速 "相信一个想法,然后开始着手编码。

如果我们回到主题,事实证明,他们已经找到了 "正确 "的输入,将其规范化,剩下的就是.........是为了赶在 "冠军 "之前。一切(在工具的意义上,而不是投入)都已经被发明了。在这种情况下--Neurosolutions或Neuroshel 2(以及许多其他方案)。至少要确保AND输入是 "错误的",而 "正常化 "使其更加扭曲,会很快。

是的,有一种说法--所有的程序都是过时的,算法都长满了青苔,但是......。也许输入毕竟是错误的 :)

'

这是我,从过时的 "钉子""网络""多义词网(GMDH)"(来自NeuroShell 2)--十个小时的训练/学习,市场公式已经准备好了 :)

这就是我所做的,但由于我有自己的软件,所以我使用它。

而关于代码--Neurosolutions或Neuroshell 2会将代码移植到MQL4吗?我将写几个函数,我认为这对当地人是有用的,也许对我也有用。特别是由于写一百行代码需要一个小时。

 
LeoV писал (а)>>

最后一点,对不起。正向测试是不同的。但也许我没有很好地解释。但我重读了一遍--似乎很有道理。你只是没有得到它.....

算了,如果我说错了,对不起。