市场礼仪或雷区中的良好风度 - 页 51

[paralocus]

当然是归零。

这样的问题已经不存在了。我一直在积累修正方的错误，所以我不得不经常给这个女孩加温。当我开始写双层的代码时，才注意到它。

[Сергей]

Neutron >> :

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，而不是其幅度或其在时间上的持续时间。

>> 请澄清，你是预测未来+1条的 "颜色"，还是以更复杂的方式估计运动，考虑到相对于当前条的历史？

[paralocus]

我想问的是，隐藏层权重平均比输出层权重大一个数量级，这是否正常，即我的隐藏层权重是1和10，而我的输出层权重在1以内

[Neutron]

paralocus писал(а)>>
我想问的是，隐藏层的权重平均比输出层的权重大一个数量级，这是否正常--即我的隐藏层权重是单位和几十，而我的输出层权重在一

原则上，是的。关键是你的隐蔽层的输入差值是在+/-2...5的范围内，而输出是+/-1（由于隐蔽层输出的FA）。这解释了你注意到的效果。

grasn 写道>>

你能否具体说明，你是预测未来+1条的 "颜色"，还是以更复杂的方式评估运动，考虑到相对于当前条的历史？

只有 "颜色"，没有酒吧，也没有历史。

[paralocus]

正弦上的双层。

顺便问一下，你能告诉我隐藏层中神经元的最佳数量吗？这需要很长的时间来计算。

[Neutron]

隐蔽层的每个神经元负责一个多维立方体的一个面，这个立方体限制了NS在特征空间中分配的区域。自然，边缘（神经元）越多，我们就能更准确地定位感兴趣的区域。但更长的将是训练样本的最佳长度，而不是在这个长度上，市场利益不会变得不同的事实。因此，隐藏层中的最佳神经元数量是由系统的准稳定状态的特征寿命（以市场的事件来衡量）定义的。不幸的是，这个问题没有确切的答案。只有在特定仪器上的实验方法才是可能的。但是最小的神经元数量是确切知道的--2。

P.S. 给我看看误差矢量的长度。

我对欧元兑美元小时线的双头矢量。

[paralocus]

让她带着隐藏层中的两个神经元去计算GBPUSD，已经等了30分钟才回来 -:)

而错误矢量的长度是新的东西...我们没有通过 -:)

[Neutron]

它必须是多少个时代的？

[paralocus]

300

[paralocus]

她一定有什么问题。