市场礼仪或雷区中的良好风度 - 页 31 1...242526272829303132333435363738...104 新评论 Neutron 2009.05.22 09:50 #301 paralocus писал(а)>> 嗨，Neurton!总之，还没有找到双层的运气。 我用ORO写了一个单层感知器，昨天运行了一整天。它的行为很奇怪。它学习和不学习，并且灾难性地依赖于历时的数量。 所以我的结果如下。8个历时--网格不学习，12个历时--网格学习，13个历时--网格不学习。 简而言之，结果夸张，我还不能。 无论如何，我将描述一个我已经实现的算法。看看我是否错过了什么。 1.该感知器有D个 二进制输入，其中一个是常数+1。 2.所使用的BP是在若干个Open 中连续的cotier递增。 3.在开始之前，所有的权重都以+/-1范围内的小随机值初始化。 4.训练向量的长度计算为P= 4*D*D/D =4*D。 5.训练矢量被送入网格输入，网格误差被计算为Qs = Test - OUT，其中Test是BP在n+1， 即下一次读出时的值，OUT 是n次 读出时的网格输出。 6.为了得到输入端Qs 的误差值，网格误差Qs 乘以挤压函数（1-OUT+OUT） 的导数：Q=Qs*（1-OUT*OUT）。 7.进入神经元的每个权重的修正向量COR[i] += Q*D[i] 被计算并在历时中累积。 8.SQR[i]+= COR[i]*COR[i] 是单独计算的，并在整个历时中为每个权重累积，包含在神经元中。 9.在一个纪元结束时，对每个权重计算个人修正并加到该权重上W[i] += COR[i]/SQR[i] 尝试使用（1-j/N） 的系数，以及随机化绝对值已经超过20的权重。随机化的帮助更好。 P.S纠正了文中的一个错误。 焦点，把你的女朋友贴在输入口上。 而不是开盘价。并公布结果。如果它不学习，那么这个错误是灾难性的，你需要做一些认真的搜索。 P.S. 你是用向量法则除法还是用平方除法？我应该用规范来做，但你写的东西看起来像是不取根的平方之和。 paralocus 2009.05.22 10:06 #302 谢谢，我正在尝试。 下面是澳元兑美元，H4，D=13，33个历时的结果。测试是在2009年1月8日至2009年5月21日的部分历史中进行的。 还有一些用优化器获得的点（历时数：31、25、14、10、7），但其结果更差。 P.S. 正是如此!根是......平方......。我忘了提取它! Neutron 2009.05.22 10:14 #303 paralocus писал(а)>> P.S. 正是如此!根是......平方......。我忘了把它拿出来! 就像查帕耶夫的那个笑话一样!:-) paralocus 2009.05.22 10:16 #304 Neutron >> : 这就像那个查帕耶夫的笑话一样!:-) -:) ...哭泣，但却在磨砺他的军刀......。 Neutron 2009.05.22 10:41 #305 不，Petya把院子里的所有灌木都拔掉了--他被要求找到平方根:-) 在这里，看。这是一个双层的Ns-ca，有两个输入，每个样本有8个训练epochs。它总共有500个样本，正确预测的概率被计算为10个独立实验的平均值（用于结果的统计意义）。 红色表示训练样本的结果，蓝色表示测试样本的结果。你可以看到，结果没有很大差别，这很好，因为它表明网络没有被过度训练。通常情况下，错误在于我们选择了一个太短的训练向量（小于最佳长度），而且几乎100%的影响到了训练样本。同时，他们不看没有参加训练的样本的预测结果！他们的预测结果是：没有参加训练的样本。在这种情况下，结果通常接近于零。这就是过度训练，电网只是用心学习了这一课，无法整理自己。然后他们想知道是什么原因导致他们不及格。 paralocus 2009.05.22 11:07 #306 万岁！！！。 我的存款刚刚超过1K ! 中子，以及由你的测试样本公式训练的网格的二进制输入？ Neutron 2009.05.22 13:07 #307 我把由这个公式构建的BP分成相同价格增量 H 的部分，并取第一个差值。我把增量四舍五入到+/-1，并试图预测它们。Hn 图中，交易水平 H 以点为单位绘制在横轴上，概率绘制在纵轴上。所以，这些条目是二进制的。 paralocus 2009.05.22 13:17 #308 我就是这样想出来的。为了用眼睛看这个公式，我把它放在图表上作为一个指标。我把这些东西都放在网格输入上，但我不知道如何看到结果。 也就是说，我不能用测试器来做。你只能打印出砝码，看看它是如何...是否活着。 不，不是这样的。我没有将所得的BP分成相同增量的片段，而是在D 计数上采取连续的BP增量。 Sergey Fionin 2009.05.22 13:25 #309 paralocus писал(а)>> 我就是这样想出来的。为了用眼睛看这个公式，我把它放在图表上作为一个指标。我把这些东西都放在网格输入上，但我不知道如何看到结果。 也就是说，我不能用测试器来做。你只能打印出砝码，看看它是如何...是否活着。 不，不是这样的。我没有把所得的BP分成等量的片段，而是在D 数上采取连续的BP增量。 通过Comment()显示权重如何？ paralocus 2009.05.22 13:28 #310 FION >> : 权重可以通过Comment()显示吗？ 你可以，但这并不方便，因为以后每次调用Comment()都会 "堵塞 "之前的输出结果，因为它将使用与之前相同的图形坐标来执行。因此，Print()更好。 1...242526272829303132333435363738...104 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
嗨，Neurton!总之，还没有找到双层的运气。
我用ORO写了一个单层感知器，昨天运行了一整天。它的行为很奇怪。它学习和不学习，并且灾难性地依赖于历时的数量。
所以我的结果如下。8个历时--网格不学习，12个历时--网格学习，13个历时--网格不学习。
简而言之，结果夸张，我还不能。
无论如何，我将描述一个我已经实现的算法。看看我是否错过了什么。
1.该感知器有D个 二进制输入，其中一个是常数+1。
2.所使用的BP是在若干个Open 中连续的cotier递增。
3.在开始之前，所有的权重都以+/-1范围内的小随机值初始化。
4.训练向量的长度计算为P= 4*D*D/D =4*D。
5.训练矢量被送入网格输入，网格误差被计算为Qs = Test - OUT，其中Test是BP在n+1， 即下一次读出时的值，OUT 是n次 读出时的网格输出。
6.为了得到输入端Qs 的误差值，网格误差Qs 乘以挤压函数（1-OUT+OUT） 的导数：Q=Qs*（1-OUT*OUT）。
7.进入神经元的每个权重的修正向量COR[i] += Q*D[i] 被计算并在历时中累积。
8.SQR[i]+= COR[i]*COR[i] 是单独计算的，并在整个历时中为每个权重累积，包含在神经元中。
9.在一个纪元结束时，对每个权重计算个人修正并加到该权重上W[i] += COR[i]/SQR[i]
尝试使用（1-j/N） 的系数，以及随机化绝对值已经超过20的权重。随机化的帮助更好。
P.S纠正了文中的一个错误。
焦点，把你的女朋友贴在输入口上。
而不是开盘价。并公布结果。如果它不学习，那么这个错误是灾难性的，你需要做一些认真的搜索。
P.S. 你是用向量法则除法还是用平方除法？我应该用规范来做，但你写的东西看起来像是不取根的平方之和。
谢谢，我正在尝试。
下面是澳元兑美元，H4，D=13，33个历时的结果。测试是在2009年1月8日至2009年5月21日的部分历史中进行的。
还有一些用优化器获得的点（历时数：31、25、14、10、7），但其结果更差。
P.S. 正是如此!根是......平方......。我忘了提取它!
P.S. 正是如此!根是......平方......。我忘了把它拿出来!
就像查帕耶夫的那个笑话一样!:-)
这就像那个查帕耶夫的笑话一样!:-)
-:) ...哭泣，但却在磨砺他的军刀......。
不，Petya把院子里的所有灌木都拔掉了--他被要求找到平方根:-)
在这里，看。这是一个双层的Ns-ca，有两个输入，每个样本有8个训练epochs。它总共有500个样本，正确预测的概率被计算为10个独立实验的平均值（用于结果的统计意义）。
红色表示训练样本的结果，蓝色表示测试样本的结果。你可以看到，结果没有很大差别，这很好，因为它表明网络没有被过度训练。通常情况下，错误在于我们选择了一个太短的训练向量（小于最佳长度），而且几乎100%的影响到了训练样本。同时，他们不看没有参加训练的样本的预测结果！他们的预测结果是：没有参加训练的样本。在这种情况下，结果通常接近于零。这就是过度训练，电网只是用心学习了这一课，无法整理自己。然后他们想知道是什么原因导致他们不及格。
万岁！！！。
我的存款刚刚超过1K !
中子，以及由你的测试样本公式训练的网格的二进制输入？
我把由这个公式构建的BP分成相同价格增量 H 的部分，并取第一个差值。我把增量四舍五入到+/-1，并试图预测它们。Hn 图中，交易水平 H 以点为单位绘制在横轴上，概率绘制在纵轴上。所以，这些条目是二进制的。
我就是这样想出来的。为了用眼睛看这个公式，我把它放在图表上作为一个指标。我把这些东西都放在网格输入上，但我不知道如何看到结果。
也就是说，我不能用测试器来做。你只能打印出砝码，看看它是如何...是否活着。
不，不是这样的。我没有将所得的BP分成相同增量的片段，而是在D 计数上采取连续的BP增量。
我就是这样想出来的。为了用眼睛看这个公式，我把它放在图表上作为一个指标。我把这些东西都放在网格输入上，但我不知道如何看到结果。
也就是说，我不能用测试器来做。你只能打印出砝码，看看它是如何...是否活着。
不，不是这样的。我没有把所得的BP分成等量的片段，而是在D 数上采取连续的BP增量。
通过Comment()显示权重如何？
权重可以通过Comment()显示吗？
你可以，但这并不方便，因为以后每次调用Comment()都会 "堵塞 "之前的输出结果，因为它将使用与之前相同的图形坐标来执行。因此，Print()更好。