市场礼仪或雷区中的良好风度 - 页 50 1...434445464748495051525354555657...104 新评论 paralocus 2009.06.07 05:48 #491 Prival >> : 如果我知道我想要什么样的例子,我就不会问。在Matadec上做一些简单的事情。我不明白很多术语,所以你所做的事情的意义经常被忽略。 我曾经在一本教科书中看到一个例子,一个网络是如何在正弦波上进行训练的,类似这样的东西。如果不是太麻烦的话。 我现在就把它贴出来。我将添加评论,以便清楚地知道哪里和来自哪里。 完成了。请在您的收件箱中查看。 对中子 我坐在这里,正试图雕刻一个两层的东西。一路走来,我一直在做一些挖掘工作...... 我想我知道为什么我的单层工作是这样的--也就是说,它不像你那样工作。 看一看这个。 现在我甚至不知道是否应该认为这是一个错误(对于单层)-:)你怎么看? paralocus 2009.06.08 07:00 #492 双层结构还没有发挥作用。某种我似乎抓不到的异常...... Neutron 2009.06.08 07:06 #493 paralocus 写道(a) >>。 现在我甚至不知道是否应该认为这是一个错误(对于单层)-:)你怎么说。 摆脱指数的束缚! 你应该手动补偿这个错误,但这实在是太寒酸了。这就是为什么最好马上就做。 还有一件事。这里有一个正确推导出学习误差的表达式。 换句话说,你首先获得整个训练样本在给定历时内的误差平方之和,然后用获得的表达式除以训练矢量散点的平方(归一化)。这样做是为了避免与历时数或特定的架构挂钩。比较NS培训的结果会更容易。事实证明,如果获得的值<1,那么网络就被训练了,如果不是,那么最好的预测就是把它扔进垃圾桶,然后睡觉。 paralocus 2009.06.08 07:26 #494 明白了,我只是在累积整个纪元的错误模块,然后除以纪元长度。我目前正在做一个双层的 paralocus 2009.06.08 08:58 #495 但我不明白为什么要删除指数?我认为这只是校正方块没有正确加起来。 我的意思是,它必须是这样的。 你这样说是什么意思? Сергей 2009.06.08 09:09 #496 对中子 Serega,解释一下这个概念。你将向你的NS收取一些预测值(Close, (H+L)/2,bar color, ....)的费用,这些预测值将在下一个计数(即向前预测一个计数)中出现?我有没有搞错,还是别的什么? Neutron 2009.06.08 09:19 #497 paralocus писал(а)>> 但我不明白为什么要删除指数?我认为这只是修正的方式不对。 你为什么需要索引?你积累修正(不是它的平方,而是包括符号的修正),索引是不需要的。然后将其归一化为根部的平方之和(同样没有指数),你就可以得到一个给定历时的修正值。 grasn 写道>> 对中子 塞雷加,从概念上给我启发。你是否会用你的NS来预测一些在下一个连续时间段(即提前一个时间段的预测)预计的数值(收盘价,(H+L)/2,条形图颜色,....)?我有没有搞错,还是别的什么? 是的,我只提前一步预测,然后重新训练网格。我预测的是预期运动的方向,而不是其幅度或时间长度。 paralocus 2009.06.08 09:23 #498 但是,我对每个权重都进行了修正,也就是说,对于神经元中包含的不同权重,它将是不同的(我认为你是这样解释的,让我检查一下)。 这就是它看起来的样子。 Neutron 2009.06.08 09:26 #499 这就对了! 我把按历时索引和按突触索引混淆了。你的实施方式有点不同,所以我在撒尿。我很抱歉! 那么你的问题有什么意义?它有什么问题? Neutron 2009.06.08 09:31 #500 你在每个纪元前都会重置计数器,不是吗? 1...434445464748495051525354555657...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
如果我知道我想要什么样的例子,我就不会问。在Matadec上做一些简单的事情。我不明白很多术语,所以你所做的事情的意义经常被忽略。
我曾经在一本教科书中看到一个例子,一个网络是如何在正弦波上进行训练的,类似这样的东西。如果不是太麻烦的话。
我现在就把它贴出来。我将添加评论,以便清楚地知道哪里和来自哪里。
完成了。请在您的收件箱中查看。
对中子
我坐在这里,正试图雕刻一个两层的东西。一路走来,我一直在做一些挖掘工作......
我想我知道为什么我的单层工作是这样的--也就是说,它不像你那样工作。
看一看这个。
现在我甚至不知道是否应该认为这是一个错误(对于单层)-:)你怎么看?
paralocus 写道(a) >>。
现在我甚至不知道是否应该认为这是一个错误(对于单层)-:)你怎么说。
摆脱指数的束缚!
你应该手动补偿这个错误,但这实在是太寒酸了。这就是为什么最好马上就做。
还有一件事。这里有一个正确推导出学习误差的表达式。
换句话说,你首先获得整个训练样本在给定历时内的误差平方之和,然后用获得的表达式除以训练矢量散点的平方(归一化)。这样做是为了避免与历时数或特定的架构挂钩。比较NS培训的结果会更容易。事实证明,如果获得的值<1,那么网络就被训练了,如果不是,那么最好的预测就是把它扔进垃圾桶,然后睡觉。
但我不明白为什么要删除指数?我认为这只是校正方块没有正确加起来。
我的意思是,它必须是这样的。
你这样说是什么意思?
对中子
Serega,解释一下这个概念。你将向你的NS收取一些预测值(Close, (H+L)/2,bar color, ....)的费用,这些预测值将在下一个计数(即向前预测一个计数)中出现?我有没有搞错,还是别的什么?
但我不明白为什么要删除指数?我认为这只是修正的方式不对。
你为什么需要索引?你积累修正(不是它的平方,而是包括符号的修正),索引是不需要的。然后将其归一化为根部的平方之和(同样没有指数),你就可以得到一个给定历时的修正值。
对中子
塞雷加,从概念上给我启发。你是否会用你的NS来预测一些在下一个连续时间段(即提前一个时间段的预测)预计的数值(收盘价,(H+L)/2,条形图颜色,....)?我有没有搞错,还是别的什么?
是的,我只提前一步预测,然后重新训练网格。我预测的是预期运动的方向,而不是其幅度或时间长度。
但是,我对每个权重都进行了修正,也就是说,对于神经元中包含的不同权重,它将是不同的(我认为你是这样解释的,让我检查一下)。
这就是它看起来的样子。
这就对了!
我把按历时索引和按突触索引混淆了。你的实施方式有点不同,所以我在撒尿。我很抱歉!
那么你的问题有什么意义?它有什么问题?