混合神经网络。 - 页 3 12345678910...22 新评论 Andrey Dik 2009.10.05 15:07 #21 IlyaA >> : 我在哪里写过，我把它们都划掉了......？ IlyaA 写道(a)>> 哦，对了，第一阶段的网络是全网状的，嗯，或者说像卷积网络，但有很多层）。而所有这些幸福都被乘以10，并开始交配。所以我们有10倍。 IlyaA 写道(a)>> 你没有读过关于XOR的文章吗？ 揭示网格的结构（由200个实例组成）。 而关于重量的数量，在我写这篇文章的时候，你已经回答了。我没有纠正我自己的帖子。 因此，事实证明：规模的数量=50*60+60+60*39+39*2+2=5519。是这样吗？ 而200件与此有什么关系呢？你没有在任何地方写到它。 Andrey Dik 2009.10.05 15:11 #22 对IlyaA 和gumgum 的建议 你为什么要使用2个隐藏层？对于任何问题，一个隐藏层就足够了。它在数学上得到了证明。 ilyaa 2009.10.05 15:43 #23 joo >> : 而关于天平的数量，当我在写我的帖子时，你回复了。我没有纠正我自己的帖子。 所以，事实证明：天平的数量=50*60+60+60+39+39+2+2=5519。是这样吗？ 而200件与此有什么关系呢？你没有在任何地方写到它。 是的，有那么多尺度。 请公开你的感知器结构，其中有200个标本的群体（难以估计）。 ilyaa 2009.10.05 15:44 #24 joo >> : 对IlyaA和gumgum的建议 你为什么要使用2个隐藏层？对于任何问题，一个隐藏层就足够了。从数学上证明了这一点。 你对卷网了解多少？至少有四层。四层。 Andrey Dik 2009.10.05 16:12 #25 IlyaA >> : 揭示网格的结构（每个网格有200个标本）。 你是否建议增加人口？如果你不介意的话，设立一个小实验。为200人和25人训练一项简单的任务需要多长时间（时间，种群数量）。其他的就不做改动了。在这一点上，我根本没有做实验。 啊，那是关于我的200个标本的问题吗，只是那里没有问号，所以我没有明白。 我的网格：400-600-200。总数为360800重量。 是的，我建议增加人口。 关于该实验。我对人口中的个体数量进行了相当多的实验。而且我不想在更多的实验上浪费时间。答案是不明确的。这在很大程度上取决于GA算法，以及使用何种停止标准。很明显，大部分时间都花在了健身函数本身，而纯GA算法的运行时间可以忽略不计。因此，尝试减少FFS运行的数量是合理的。你可以通过不同的方式实现这一点。而最简单的是选择人口中的个体数量。 如果要取非常多的个体，大约1000个，那么就通过历时数而言，最好的个体很快就能找到，但健身函数要运行1000*n次，其中n是历时数。这不是好事--它需要很长的时间。 如果我们在一个种群中采取太小的个体数量，例如10-25个，那么种群中就没有足够的基因库来进行搜索，搜索时间就会增加，这也是由于ff运行的数量增加的事实。 最佳的选择我认为是人口中的200个个体。 我还想建议一下。启动一个额外的种群，将每个时代的最佳个体放入其中（我称之为 "时代的基因库 "或GE）。交配时，从当前种群和GE中抽取个体。这极大地减少了ff启动的次数。这不应该与精英选拔相混淆。 Andrey Dik 2009.10.05 16:18 #26 IlyaA >> : 你对卷网了解多少？有，比如，四层。四层。 我们是否已经顺利地建立起姓名关系了？>>好的。 我不知道卷积网是什么。为什么是四层？你能向我和那些认为一个内部（隐藏）层就足够的人解释吗？没有必要将算法复杂化。这是不容易计算的，因为它是。 Denis Timoshin 2009.10.05 16:33 #27 joo >>:. 而你的GA是在什么地方实现的？MQL？ ilyaa 2009.10.05 16:38 #28 joo >> : 我们是否已经顺利地建立起姓名关系了？好的。 我不知道什么是卷网。这四层的作用是什么？你能向我和那些认为一个内部（隐藏）层就足够的人解释一下吗？没有必要将算法复杂化。这已经够难计算的了。 有一本海金的书。神经网络？ Andrey Dik 2009.10.05 16:49 #29 到entraf MQL4 致IlyaA 是的，我知道。还有不同作者的大约200-300本书。但我想我自己会比读这个图书馆更快地掌握NN和GA。结果是这样的。更快。 我所说的掌握，是指实际应用，而不是对术语的掌握。 ilyaa 2009.10.05 16:54 #30 joo >> : 如果你采取一个非常大的个体数量，大约1000个，最好的个体很快就能找到，就通过历时数而言，但健身函数要运行1000*n次，其中n是历时数。这不是好事--它需要很长的时间。 如果我们在一个种群中采取太小的个体数量，例如10-25个，那么种群中就没有足够的基因库来进行搜索，搜索时间就会增加，这也是由于ff运行的数量增加的事实。 最佳的变体我认为是人口中的200个个体。 >> 谢谢你。非常详细。基本上是的，如果你已经用不同的参数运行过几次算法，那么我们就会使用这些结果。那么200...好吧，让我们保持这种方式。然后是下一个要点。我们应该寻找有利可图的 "假货"（蜡烛图和指标的组合），不是用眼睛而是用感知器来寻找它。让它为我们建立线性可分离的组。搜索标准 利润 => 最大。随意停顿。然后分析权重，确定 "佯攻"。然后是一个正常的指标和交易系统。相当复杂，但这是第一眼看到的。摸索天平是非常有趣的（至少对我来说）。问题:) 我必须通过每个人的蜡烛图+指标（可选）来运行5年的历史，现在每个人口上有200个。这是一个巨大的资源消耗，此外我们不知道什么时候会停止。让我们试着重新表述这个问题，或者以其他方式保留这个设计的最重要的特性--机器对 "fink "的检测。 12345678910...22 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
我在哪里写过，我把它们都划掉了......？
IlyaA 写道(a)>>
哦，对了，第一阶段的网络是全网状的，嗯，或者说像卷积网络，但有很多层）。而所有这些幸福都被乘以10，并开始交配。所以我们有10倍。
IlyaA 写道(a)>>
你没有读过关于XOR的文章吗？
揭示网格的结构（由200个实例组成）。
而关于重量的数量，在我写这篇文章的时候，你已经回答了。我没有纠正我自己的帖子。
因此，事实证明：规模的数量=50*60+60+60*39+39*2+2=5519。是这样吗？
而200件与此有什么关系呢？你没有在任何地方写到它。
对IlyaA 和gumgum 的建议
你为什么要使用2个隐藏层？对于任何问题，一个隐藏层就足够了。它在数学上得到了证明。
而关于天平的数量，当我在写我的帖子时，你回复了。我没有纠正我自己的帖子。
所以，事实证明：天平的数量=50*60+60+60+39+39+2+2=5519。是这样吗？
而200件与此有什么关系呢？你没有在任何地方写到它。
是的，有那么多尺度。
请公开你的感知器结构，其中有200个标本的群体（难以估计）。
对IlyaA和gumgum的建议
你为什么要使用2个隐藏层？对于任何问题，一个隐藏层就足够了。从数学上证明了这一点。
你对卷网了解多少？至少有四层。四层。揭示网格的结构（每个网格有200个标本）。
你是否建议增加人口？如果你不介意的话，设立一个小实验。为200人和25人训练一项简单的任务需要多长时间（时间，种群数量）。其他的就不做改动了。在这一点上，我根本没有做实验。
啊，那是关于我的200个标本的问题吗，只是那里没有问号，所以我没有明白。
我的网格：400-600-200。总数为360800重量。
是的，我建议增加人口。
关于该实验。我对人口中的个体数量进行了相当多的实验。而且我不想在更多的实验上浪费时间。答案是不明确的。这在很大程度上取决于GA算法，以及使用何种停止标准。很明显，大部分时间都花在了健身函数本身，而纯GA算法的运行时间可以忽略不计。因此，尝试减少FFS运行的数量是合理的。你可以通过不同的方式实现这一点。而最简单的是选择人口中的个体数量。
如果要取非常多的个体，大约1000个，那么就通过历时数而言，最好的个体很快就能找到，但健身函数要运行1000*n次，其中n是历时数。这不是好事--它需要很长的时间。
如果我们在一个种群中采取太小的个体数量，例如10-25个，那么种群中就没有足够的基因库来进行搜索，搜索时间就会增加，这也是由于ff运行的数量增加的事实。
最佳的选择我认为是人口中的200个个体。
我还想建议一下。启动一个额外的种群，将每个时代的最佳个体放入其中（我称之为 "时代的基因库 "或GE）。交配时，从当前种群和GE中抽取个体。这极大地减少了ff启动的次数。这不应该与精英选拔相混淆。
你对卷网了解多少？有，比如，四层。四层。我们是否已经顺利地建立起姓名关系了？>>好的。
我不知道卷积网是什么。为什么是四层？你能向我和那些认为一个内部（隐藏）层就足够的人解释吗？没有必要将算法复杂化。这是不容易计算的，因为它是。
而你的GA是在什么地方实现的？MQL？
我们是否已经顺利地建立起姓名关系了？好的。
我不知道什么是卷网。这四层的作用是什么？你能向我和那些认为一个内部（隐藏）层就足够的人解释一下吗？没有必要将算法复杂化。这已经够难计算的了。
有一本海金的书。神经网络？到entraf
MQL4
致IlyaA
是的，我知道。还有不同作者的大约200-300本书。但我想我自己会比读这个图书馆更快地掌握NN和GA。结果是这样的。更快。
我所说的掌握，是指实际应用，而不是对术语的掌握。
如果你采取一个非常大的个体数量，大约1000个，最好的个体很快就能找到，就通过历时数而言，但健身函数要运行1000*n次，其中n是历时数。这不是好事--它需要很长的时间。
如果我们在一个种群中采取太小的个体数量，例如10-25个，那么种群中就没有足够的基因库来进行搜索，搜索时间就会增加，这也是由于ff运行的数量增加的事实。
最佳的变体我认为是人口中的200个个体。