市场礼仪或雷区中的良好风度 - 页 41 1...343536373839404142434445464748...104 新评论 Neutron 2009.06.03 08:35 #401 我一直在宠辱不惊地比较Eurobucks手表上的单层和双层神经元的准确性，我看到单层的效率明显更高。我想这是由于市场中各条线之间没有 "棘手的 "非线性依赖关系。这里的一切都像撬棍一样简单，依赖关系是最线性的，这就是单层的工作原理。顺便说一下，从本质上讲，单个神经元的结构类似于n-th 阶的线性AR模型，其中n是 NS的输入数，而双层在条形之间没有发现任何新的东西，说明在这个具体案例中使用非线性AR模型是无用的。 paralocus писал(а)>> 虽然我对它的正确性没有绝对的信心--在我的数据上试试你的神经元--它和那个女孩一起在预告片里，如果你有时间和愿望--在你的数据上检查那个女孩。 你给我下载你的欧元兑美元1h的文件，并将你的Matkad文件保存为11种格式，否则我无法再次阅读你的文件。 [删除] 2009.06.03 08:46 #402 paralocus писал(а)>> 当然，很抱歉，但我最近一直无法得到提示。也许是因为我在电脑前坐得太久了......你所写的这个 "东西 "是什么？至少给我一个例子。 我曾经在一个新的柱状体形成的时刻给随机指数(0)喂食，除此之外。或者你可以使用MA(0)，以PRICE_TYPICAL作为输入。根据定义，它已经包含了收盘价。也就是说，你给网络一个 "暗示"，它就应该只抓住这个暗示。如果它发现了这个提示，你就会知道，训练算法是有效的。 paralocus 2009.06.03 09:03 #403 Neutron >> : 我一直在宠辱不惊地比较Eurobucks手表上的单层和双层神经元的准确性，我看到单层的效率明显更高。我想这是由于市场中各条线之间没有 "棘手的 "非线性依赖关系。这里的一切都像撬棍一样简单，依赖关系是最线性的，这就是单层的工作原理。顺便说一下，从本质上讲，单个神经元的结构是n-th阶的线性AR模型的类似物，其中n是NS的输入数，而事实上，双层在条形之间没有发现任何新东西，这说明在这个具体案例中使用非线性AR模型是无用的。 只要把你的欧元兑美元1h的文件发给我，并把你的Matkad文件保存为11种格式，否则我就不能再读你的文件。 我有这种怀疑，但我已经勇敢地拒绝了它 :-) 抱歉格式问题--我没有看清楚。顺便说一下，我现在正试图操纵学习速度（希腊埃塔）--澳元兑美元的结果大大改善，引入了这个15-20-我得到了超过4.5的回报。但这一行动对欧罗巴斯没有影响。 附加的文件： nero2_11.rar 222 kb paralocus 2009.06.03 09:07 #404 YDzh >> : 我曾经在一个新的柱状体形成时向输入端输入一个随机指标(0)，以及其他一些东西。或者你可以用PRICE_TYPICAL输入MA(0)。根据定义，它已经包含了收盘价。也就是说，你给网络一个 "暗示"，它就应该只抓住这个暗示。如果它发现了这个提示，你就会知道，训练算法是有效的。 那么，直接输入一个零条（未完成的收盘）不是更容易吗？但你如何看到结果呢？测试仪在这里没有帮助，数值建模也没有帮助，谢尔盖在这里教我。 paralocus 2009.06.03 10:16 #405 暖到了100度......虽然是奇迹! Neutron 2009.06.03 16:11 #406 试着将统计数字增加2倍。 paralocus 2009.06.03 16:51 #407 这是一个很好的教学方法!最主要的是要了解如何正确使用它。 还记得我关于熵和所有这些的 "幻想 "吗？所以这正是你所做的，你只需要放弃初始化的天平，提高女孩的温度，然后逐渐冷却。而且，问题是，我们为什么需要这种双层的东西？ 如果能考虑同时优化三个参数就更好了：输入维度、历时数和初始温度。这三个参数都很关键，也就是说，任何一个参数的改变，哪怕是一个（温度降低10），都会带来完全不同的结果。 Neutron 2009.06.04 04:25 #408 paralocus писал(а)>> 这三个参数都很关键，也就是说，改变其中任何一个参数，哪怕是一个单位（温度降低十分之一），都会得到完全不同的结果。 一般来说，这可能表明NS的学习能力差。试想一下，在表面上寻找全球最小值，几乎应该从任何起点都可以提供。而你不满足这个条件（对初始随机化权重的敏感性）。这是一个铃铛。 我们需要弄清楚，直到我们理解它。 paralocus 2009.06.04 04:43 #409 我甚至应该去哪里找？我会试着在 epochs 之间保存学习结果。是的，对我的数据有什么结果？ Neutron 2009.06.04 05:21 #410 paralocus писал(а)>> 到哪里去找？ 好问题!我不知道。值得庆幸的是，Matcad允许你在任何一个步骤上将计数过程可视化。实验。 我目前正在涉猎我的分层--我正在研究学习效率对 K 的依赖性。这是很耗费资源的，所以，我还没有在我的账户上运行你的解决方案。 1...343536373839404142434445464748...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
我一直在宠辱不惊地比较Eurobucks手表上的单层和双层神经元的准确性，我看到单层的效率明显更高。我想这是由于市场中各条线之间没有 "棘手的 "非线性依赖关系。这里的一切都像撬棍一样简单，依赖关系是最线性的，这就是单层的工作原理。顺便说一下，从本质上讲，单个神经元的结构类似于n-th 阶的线性AR模型，其中n是 NS的输入数，而双层在条形之间没有发现任何新的东西，说明在这个具体案例中使用非线性AR模型是无用的。
虽然我对它的正确性没有绝对的信心--在我的数据上试试你的神经元--它和那个女孩一起在预告片里，如果你有时间和愿望--在你的数据上检查那个女孩。
你给我下载你的欧元兑美元1h的文件，并将你的Matkad文件保存为11种格式，否则我无法再次阅读你的文件。
当然，很抱歉，但我最近一直无法得到提示。也许是因为我在电脑前坐得太久了......你所写的这个 "东西 "是什么？至少给我一个例子。
我曾经在一个新的柱状体形成的时刻给随机指数(0)喂食，除此之外。或者你可以使用MA(0)，以PRICE_TYPICAL作为输入。根据定义，它已经包含了收盘价。也就是说，你给网络一个 "暗示"，它就应该只抓住这个暗示。如果它发现了这个提示，你就会知道，训练算法是有效的。
我一直在宠辱不惊地比较Eurobucks手表上的单层和双层神经元的准确性，我看到单层的效率明显更高。我想这是由于市场中各条线之间没有 "棘手的 "非线性依赖关系。这里的一切都像撬棍一样简单，依赖关系是最线性的，这就是单层的工作原理。顺便说一下，从本质上讲，单个神经元的结构是n-th阶的线性AR模型的类似物，其中n是NS的输入数，而事实上，双层在条形之间没有发现任何新东西，这说明在这个具体案例中使用非线性AR模型是无用的。
只要把你的欧元兑美元1h的文件发给我，并把你的Matkad文件保存为11种格式，否则我就不能再读你的文件。
我有这种怀疑，但我已经勇敢地拒绝了它 :-) 抱歉格式问题--我没有看清楚。顺便说一下，我现在正试图操纵学习速度（希腊埃塔）--澳元兑美元的结果大大改善，引入了这个15-20-我得到了超过4.5的回报。但这一行动对欧罗巴斯没有影响。
我曾经在一个新的柱状体形成时向输入端输入一个随机指标(0)，以及其他一些东西。或者你可以用PRICE_TYPICAL输入MA(0)。根据定义，它已经包含了收盘价。也就是说，你给网络一个 "暗示"，它就应该只抓住这个暗示。如果它发现了这个提示，你就会知道，训练算法是有效的。
那么，直接输入一个零条（未完成的收盘）不是更容易吗？但你如何看到结果呢？测试仪在这里没有帮助，数值建模也没有帮助，谢尔盖在这里教我。
暖到了100度......虽然是奇迹!
这是一个很好的教学方法!最主要的是要了解如何正确使用它。
还记得我关于熵和所有这些的 "幻想 "吗？所以这正是你所做的，你只需要放弃初始化的天平，提高女孩的温度，然后逐渐冷却。而且，问题是，我们为什么需要这种双层的东西？
如果能考虑同时优化三个参数就更好了：输入维度、历时数和初始温度。这三个参数都很关键，也就是说，任何一个参数的改变，哪怕是一个（温度降低10），都会带来完全不同的结果。
这三个参数都很关键，也就是说，改变其中任何一个参数，哪怕是一个单位（温度降低十分之一），都会得到完全不同的结果。
一般来说，这可能表明NS的学习能力差。试想一下，在表面上寻找全球最小值，几乎应该从任何起点都可以提供。而你不满足这个条件（对初始随机化权重的敏感性）。这是一个铃铛。
我们需要弄清楚，直到我们理解它。
到哪里去找？
好问题!我不知道。值得庆幸的是，Matcad允许你在任何一个步骤上将计数过程可视化。实验。
我目前正在涉猎我的分层--我正在研究学习效率对 K 的依赖性。这是很耗费资源的，所以，我还没有在我的账户上运行你的解决方案。