混合神经网络。 - 页 5 123456789101112...22 新评论 Andrey Dik 2009.10.05 18:25 #41 IlyaA >> : 好吧,我等着看 :)这很容易让人联想到射线搜索....。 不,这不是射线搜索。而且,严格来说,不是经典意义上的遗传算法。我只描述了主要的,可以说是我的算法的骨干部分。而且它与GA非常相似。 gumgum 2009.10.05 18:27 #42 IlyaA писал(а)>> 很好。2个来宾的酒吧? 10 ilyaa 2009.10.05 18:37 #43 gumgum >> : 10 仅关闭。Nadaže,而且相当不错,但想象一下,如果你在里面放一个秋千?再说一遍,你有没有检查过训练过度的情况? Andrey Dik 2009.10.05 18:37 #44 IlyaA >> : 我建议,对单一时刻最好的过滤是将其整合。网格将有更好的机会隔离一个重复发生的现象。 然后你写,但要更详细地描述。 什么是噪声集成?....................... 如果你的意思正是通过平均化来抑制噪声,这不是一个好主意。从BP推断,这不是一个好主意,也不是使用NN的最佳方式。 为了限制网络一次性搜索模糊的金块(我们称之为抽象主义效应),我们减少了神经元的数量,因此我们获得了网络的通用性,使感知器无法学习大量的材料。我们将针对网络,只找到一个,但在数据上最有利可图的东西。 你不必为使大脑更聪明而阉割它。它需要被正确地训练,在这个过程中不使用平均过滤器。不过你说的阉割是什么意思?我不知道你在输入什么。也许20个神经元已经很多了,也许10000个神经元还不够。事实上,你不应该试图强迫NN记住一个或另一个 "东西"。一个经过适当训练的网络能够从它所掌握的稀缺信息中提取它不知道的数据。 "不要读太多的书 "C--不记得是谁说的.... ilyaa 2009.10.05 18:38 #45 joo >> : 不,这不是射线搜索。而且,严格来说,不是经典意义上的遗传算法。我只描述了我的算法的基本骨干,可以说是。而且它与GA非常相似。 如果是你编出来的,那你就是个大发明家 :)你真的测试了吗? gumgum 2009.10.05 18:44 #46 IlyaA писал(а)>> 仅关闭。没有,而且还很好,但你能想象如果你在那里放一个秋千吗?再说一遍,你有没有检查过训练过度的情况? 没有。 Andrey Dik 2009.10.05 18:44 #47 IlyaA >> : 如果是你编出来的,那你就是个大发明家 :)你真的测试了吗? 实际上,这是我在三四年级的时候编的。你什么时候做拔根?在这里,我一直在做平方根,立方根...我是在一个有方格的笔记本上做的。 测试了一下。其结果确实令人印象深刻。 gumgum 2009.10.05 18:46 #48 我在指标的初始化阶段进行教学。然后它自己思考... Andrey Dik 2009.10.05 18:48 #49 gumgum >> : 我在指标的初始化阶段进行教学。然后它自己思考... 试着在这个指标上写一个专家顾问。我想结果会让你吃惊。令人不快的是... ilyaa 2009.10.05 18:49 #50 joo >> : 实际上,我是在三四年级的时候发明的。你什么时候提取根部?在这里,我在做平方根、立方根......。但是在有方格的笔记本纸上。 测试了一下。其结果确实令人印象深刻。 因此,我们将把它纳入发展。汇报一下噪音情况。 123456789101112...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
好吧,我等着看 :)这很容易让人联想到射线搜索....。不,这不是射线搜索。而且,严格来说,不是经典意义上的遗传算法。我只描述了主要的,可以说是我的算法的骨干部分。而且它与GA非常相似。
很好。2个来宾的酒吧?
10
10
仅关闭。Nadaže,而且相当不错,但想象一下,如果你在里面放一个秋千?再说一遍,你有没有检查过训练过度的情况?我建议,对单一时刻最好的过滤是将其整合。网格将有更好的机会隔离一个重复发生的现象。
然后你写,但要更详细地描述。
什么是噪声集成?.......................
如果你的意思正是通过平均化来抑制噪声,这不是一个好主意。从BP推断,这不是一个好主意,也不是使用NN的最佳方式。
为了限制网络一次性搜索模糊的金块(我们称之为抽象主义效应),我们减少了神经元的数量,因此我们获得了网络的通用性,使感知器无法学习大量的材料。我们将针对网络,只找到一个,但在数据上最有利可图的东西。
你不必为使大脑更聪明而阉割它。它需要被正确地训练,在这个过程中不使用平均过滤器。不过你说的阉割是什么意思?我不知道你在输入什么。也许20个神经元已经很多了,也许10000个神经元还不够。事实上,你不应该试图强迫NN记住一个或另一个 "东西"。一个经过适当训练的网络能够从它所掌握的稀缺信息中提取它不知道的数据。
"不要读太多的书 "C--不记得是谁说的....
不,这不是射线搜索。而且,严格来说,不是经典意义上的遗传算法。我只描述了我的算法的基本骨干,可以说是。而且它与GA非常相似。
如果是你编出来的,那你就是个大发明家 :)你真的测试了吗?仅关闭。没有,而且还很好,但你能想象如果你在那里放一个秋千吗?再说一遍,你有没有检查过训练过度的情况?
没有。
如果是你编出来的,那你就是个大发明家 :)你真的测试了吗?实际上,这是我在三四年级的时候编的。你什么时候做拔根?在这里,我一直在做平方根,立方根...我是在一个有方格的笔记本上做的。
测试了一下。其结果确实令人印象深刻。
我在指标的初始化阶段进行教学。然后它自己思考...
我在指标的初始化阶段进行教学。然后它自己思考...
试着在这个指标上写一个专家顾问。我想结果会让你吃惊。令人不快的是...
实际上,我是在三四年级的时候发明的。你什么时候提取根部?在这里,我在做平方根、立方根......。但是在有方格的笔记本纸上。
测试了一下。其结果确实令人印象深刻。
因此,我们将把它纳入发展。汇报一下噪音情况。