市场礼仪或雷区中的良好风度 - 页 46 1...394041424344454647484950515253...104 新评论 [删除] 2009.06.04 12:19 #451 paralocus писал(а)>> 为什么我需要时间框架?不管是谁发明了它们,让他们在上面进行交易。 那么你的增量是什么呢?一定的时间? 数量?德普罗利? paralocus 2009.06.04 12:27 #452 YDzh >> : 那么对你来说,什么是增量?在一定的时间内?>> 赢利? 商量增量与时间没有任何关系。有一个商的增量为N点,例如向上 - 这是一个符号 [删除] 2009.06.04 12:38 #453 paralocus писал(а)>> 商数增量与时间没有任何关系。有一个增加N点的报价,比如说向上 - 这是一个符号 而等待这一增长的时间有多长,以及缩减的幅度会有多大--是一个第十个问题......好吧,你是老板......。 paralocus 2009.06.04 12:47 #454 YDzh >> : 而要等多久才会有这种增长,以及缩减的幅度会有多大,则是第十个问题......好了,就这样吧,你是老板...... 你不必等待,没有必要,但无论如何都会缩减的--这就是生意。 Neutron 2009.06.04 13:25 #455 下面是一个例子,说明在网格训练 期间,权重如何收敛到全局最小值。 这里有两个案例,权重的起始点不同。你可以看到,在训练结束时,每个权重的振荡都会平稳地消退,并且它们会收敛到大致相同的值。这个例子是针对一个有三个输入的单一神经元。 paralocus 2009.06.04 13:28 #456 令人惊奇的是,图片!分享你的治疗方法 :-) 顺便说一下,我住在科罗廖夫 Neutron 2009.06.04 13:41 #457 没问题。 这张图片说明了在商数的下一个倒计时的学习。 你可以看到,在不同的实验中,权重的最佳值是稳定的,但相对于之前在计数上得到的结果,它们有明显的偏移。这表明市场类型的BP的静止性较弱,有必要在每次倒数时重新训练女孩。 [删除] 2009.06.04 17:19 #458 Neutron >> : 没问题。 这张图片说明了在商数的下一个倒计时的学习。 你可以看到,在不同的实验中,权重的最佳值是稳定的,但相对于以前在计数上得到的结果,它们有明显的偏差。这表明市场类型的BP的静止性较弱,有必要在每次计数时重新培训女孩。 这可能也是由于配给的原因。 paralocus 2009.06.04 18:28 #459 registred >> : 这也可能是因为配给制。 但这个东西,同意,是美丽的 -:) Neutron 2009.06.05 02:17 #460 paralocus писал(а)>> 但事情是,同意,美丽的 -:) 降低学习率--在1-L/Epox括号前的系数(稳定性会提高),并在每个历时后对权重有压缩功能,否则它们在学习过程中的振幅太大。这都是一样的,但有时重量进入饱和状态,变得失去了学习的意义(非线性双层的典型)。 1...394041424344454647484950515253...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
为什么我需要时间框架?不管是谁发明了它们,让他们在上面进行交易。
那么你的增量是什么呢?一定的时间? 数量?德普罗利?
那么对你来说,什么是增量?在一定的时间内?>> 赢利?
商量增量与时间没有任何关系。有一个商的增量为N点,例如向上 - 这是一个符号
商数增量与时间没有任何关系。有一个增加N点的报价,比如说向上 - 这是一个符号
而等待这一增长的时间有多长,以及缩减的幅度会有多大--是一个第十个问题......好吧,你是老板......。
而要等多久才会有这种增长,以及缩减的幅度会有多大,则是第十个问题......好了,就这样吧,你是老板......
你不必等待,没有必要,但无论如何都会缩减的--这就是生意。
下面是一个例子,说明在网格训练 期间,权重如何收敛到全局最小值。
这里有两个案例,权重的起始点不同。你可以看到,在训练结束时,每个权重的振荡都会平稳地消退,并且它们会收敛到大致相同的值。这个例子是针对一个有三个输入的单一神经元。
令人惊奇的是,图片!分享你的治疗方法 :-)
顺便说一下,我住在科罗廖夫
没问题。
这张图片说明了在商数的下一个倒计时的学习。
你可以看到,在不同的实验中,权重的最佳值是稳定的,但相对于之前在计数上得到的结果,它们有明显的偏移。这表明市场类型的BP的静止性较弱,有必要在每次倒数时重新训练女孩。
没问题。
这张图片说明了在商数的下一个倒计时的学习。
你可以看到,在不同的实验中,权重的最佳值是稳定的,但相对于以前在计数上得到的结果,它们有明显的偏差。这表明市场类型的BP的静止性较弱,有必要在每次计数时重新培训女孩。
这可能也是由于配给的原因。
这也可能是因为配给制。
但这个东西,同意,是美丽的 -:)
但事情是,同意,美丽的 -:)
降低学习率--在1-L/Epox括号前的系数(稳定性会提高),并在每个历时后对权重有压缩功能,否则它们在学习过程中的振幅太大。这都是一样的,但有时重量进入饱和状态,变得失去了学习的意义(非线性双层的典型)。