找到一组指标来输入神经网络的输入。讨论。一个评估结果的工具。 - 页 4 12345678910 新评论 [删除] 2009.11.09 23:01 #31 rip >> : Kgm ...你忘了，为了获得最大的学习效率，网络输入必须在统计上是独立的，每个输入的数据之间必须没有关联性。所有机器都是相互纠正的，你可以检查一下。有一个相当方便和简单的软件--AtteStat，它是Exel的一个插件，但非常方便。 一切都简单得出奇...我可以自己想出办法...谢谢你！！！。 以现有的指标为例，看看它们之间的关联性...分析、思考，也许你会得到一些有用的想法 :) [删除] 2009.11.09 23:03 #32 IlyaA >> : 公众需要看到学习误差与时间（历时数）之间的图形关系。 我们一定是在谈论不同的事情...我不和老师一起教学（这种教学方式有一个学习上的错误）...我教的是目标函数的最大值，我不知道目标函数的最大可能值是什么。 [删除] 2009.11.09 23:06 #33 Urain >> 到这里 来，每个指标都有详细的描述和计算公式。两天后，你会有自己的看法。 我已经看了很久了。 我看了看，读了读，也许我没有花足够的时间或足够的注意力，也许是别的原因......如果不出意外的话，我可能会再去那里...:)) 绕远路，嗯？ RIP 2009.11.09 23:47 #34 iliarr >> : 不，我只把目标函数的值传给遗传算法，遗传算法为每个基因输出一个值的向量，我把它转换成神经网络的权重矩阵。 没错，遗传算法不使用误差函数来调整权重。 根据我的理解，你可以按历史上的最大利润来标示M5，并把这个标示作为一个健身函数。 我只是想知道你用来估计一个人的函数是什么样子的。 RIP 2009.11.09 23:51 #35 iliarr >> : 我们谈论的是什么错误？ 目标功能更大--所以基因更合适...... 这是一个测试抽样误差的问题。也就是说，你在训练样本后的下一个月。你根据你的算法来标记它。你把输出输入到训练好的网络。你比较一下结果。这就是我所感兴趣的这些错误的图表。 你也可以得到训练样本的误差图，从而估计你的网络是如何学习的（或者基因算法中存在代际发展）。 RIP 2009.11.09 23:54 #36 iliarr >> : 这一切都非常简单...。我自己也能想到......。谢谢你! 以现有的指标为例，看看它们之间的关联性...分析、思考，也许你会得到一些有用的想法 :) 当你把所有你喂养的集子与输入的集子进行比较时，显示结果 :)我认为所有这些都将是高度相关的。所有给出的指标都使用相同的输入数据进行计算。 RIP 2009.11.09 23:55 #37 iliarr >> : 我们一定是在谈论不同的事情...我不和老师一起教学（这种教学方式有一个学习上的错误）...我教的是目标函数的最大值，我不知道目标函数的最大可能值是什么。 你如何评估受训网络的有效性？这是我想看到的图表。 Alexey 2009.11.10 05:51 #38 愚蠢的问题，我几乎知道答案。找到一套指标，找到加权系数，开始盈利。如果市场发生变化，顾问将能够适应新的条件。 Artem Titarenko 2009.11.10 06:33 #39 joo писал(а)>> GA只是一个优化工具（机器的螺丝刀）。只要有最小的差异，你可以使用它或任何其他优化算法（螺丝刀）。 是的，一把螺丝刀，但有一些螺丝刀可以解开一个小螺丝，有些则不能。 不，在最小的差异下，你不能把它用于NS，你似乎看不到这些差异。 ORO，当一个神经元变得过饱和时，实际上就停止了对它的 "训练"，而GA可以轻易地使一个神经元过饱和，并继续进一步增加神经元的权重。 Andrey Dik 2009.11.10 07:56 #40 joo >> :...至少有这个函数：(2/(1-2^(-x))-1 我的错误。应该是：（2/（1+2^（-x））-1 统计条>> 。不，在最小的差异下，你不能把它用于NS，似乎你看不到这些差异。 ORO当一个神经元过饱和时，实际上就停止了对它的 "训练"，而GA可以很容易地使一个神经元过饱和并继续增加神经元的权重。 为什么他们不能被看到？差异是显而易见的。在正确的搜索范围内，不会出现神经元过饱和的情况。"你只是不知道如何烹饪它们。"(c) :) 对于不同的复杂任务，会有不同的最佳工具，正如你正确指出的那样（螺丝刀）。 12345678910 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
Kgm ...你忘了，为了获得最大的学习效率，网络输入必须在统计上是独立的，每个输入的数据之间必须没有关联性。所有机器都是相互纠正的，你可以检查一下。有一个相当方便和简单的软件--AtteStat，它是Exel的一个插件，但非常方便。
一切都简单得出奇...我可以自己想出办法...谢谢你！！！。
以现有的指标为例，看看它们之间的关联性...分析、思考，也许你会得到一些有用的想法 :)
公众需要看到学习误差与时间（历时数）之间的图形关系。我们一定是在谈论不同的事情...我不和老师一起教学（这种教学方式有一个学习上的错误）...我教的是目标函数的最大值，我不知道目标函数的最大可能值是什么。
到这里 来，每个指标都有详细的描述和计算公式。
两天后，你会有自己的看法。
我已经看了很久了。
我看了看，读了读，也许我没有花足够的时间或足够的注意力，也许是别的原因......如果不出意外的话，我可能会再去那里...:)) 绕远路，嗯？
不，我只把目标函数的值传给遗传算法，遗传算法为每个基因输出一个值的向量，我把它转换成神经网络的权重矩阵。
没错，遗传算法不使用误差函数来调整权重。
根据我的理解，你可以按历史上的最大利润来标示M5，并把这个标示作为一个健身函数。
我只是想知道你用来估计一个人的函数是什么样子的。
我们谈论的是什么错误？ 目标功能更大--所以基因更合适......
这是一个测试抽样误差的问题。也就是说，你在训练样本后的下一个月。你根据你的算法来标记它。你把输出输入到训练好的网络。你比较一下结果。这就是我所感兴趣的这些错误的图表。
你也可以得到训练样本的误差图，从而估计你的网络是如何学习的（或者基因算法中存在代际发展）。
这一切都非常简单...。我自己也能想到......。谢谢你!
以现有的指标为例，看看它们之间的关联性...分析、思考，也许你会得到一些有用的想法 :)
当你把所有你喂养的集子与输入的集子进行比较时，显示结果 :)我认为所有这些都将是高度相关的。所有给出的指标都使用相同的输入数据进行计算。
我们一定是在谈论不同的事情...我不和老师一起教学（这种教学方式有一个学习上的错误）...我教的是目标函数的最大值，我不知道目标函数的最大可能值是什么。
你如何评估受训网络的有效性？这是我想看到的图表。
GA只是一个优化工具（机器的螺丝刀）。只要有最小的差异，你可以使用它或任何其他优化算法（螺丝刀）。
是的，一把螺丝刀，但有一些螺丝刀可以解开一个小螺丝，有些则不能。
不，在最小的差异下，你不能把它用于NS，你似乎看不到这些差异。
ORO，当一个神经元变得过饱和时，实际上就停止了对它的 "训练"，而GA可以轻易地使一个神经元过饱和，并继续进一步增加神经元的权重。
...至少有这个函数：(2/(1-2^(-x))-1
我的错误。应该是：（2/（1+2^（-x））-1
不，在最小的差异下，你不能把它用于NS，似乎你看不到这些差异。
ORO当一个神经元过饱和时，实际上就停止了对它的 "训练"，而GA可以很容易地使一个神经元过饱和并继续增加神经元的权重。
为什么他们不能被看到？差异是显而易见的。在正确的搜索范围内，不会出现神经元过饱和的情况。"你只是不知道如何烹饪它们。"(c) :)
对于不同的复杂任务，会有不同的最佳工具，正如你正确指出的那样（螺丝刀）。