一个快速和免费的MT4资料库，让神经网络人非常高兴。 - 页 4 1234567891011...57 新评论 Михаил 2009.12.11 11:27 #31 Figar0 писал(а)>> Z.I.虽然我的EA还没有出现这种截然不同的结果，但这可能取决于许多条件。 你的EA是否使用不同的指标进行输入？ 初始权重可能不同，但在相同的输入数据上的最终结果应该是差不多的训练结果。 否则就是硬性的随机性，而不是训练。 Yury Reshetov 2009.12.11 11:27 #32 mgribachev >> : 第2次优化运行从 "0 "开始，对相同的数据和相同的参数进行了优化。 没有什么可 "学习 "的，因为这是一种新的训练，但它带来的结果完全不同。 在新的网格训练中，初始权重是用随机数初始化的。由于初始权重不同，对网格的训练也会不同，最终结果也会不同。 删除已经训练好的网格并重新训练它们有什么意义？ 我只在亏损的交易后对培训进行优化。在大多数情况下，StopLoss保持不变，Expert Advisor只需要重新加载终端来加载新的网格，因为从文件中加载位于init（）。如果停止损失（StopLoss）被改变，它应该在交易专家顾问的设置中被改变。 重新优化可以在飞行中进行，即如果EA在同一时间交易，优化器不会干扰它们。 [删除] 2009.12.11 11:38 #33 mgribachev писал(а)>> 你的EA是否使用不同的指标进行输入？ 输入是不同的，但更重要的可能是学习期更长的事实...。 Yury Reshetov 2009.12.11 11:41 #34 mgribachev >> : 你好，尤里。 如果你能解释一下为什么你的EA有两个独立的优化。 ... x: 1到5000步 1 ... 初始权重可能不同，但在相同的输入数据上的最终结果应该是差不多的训练结果。 否则就是硬性的随机性，而不是训练。 不要觉得很难，仔细阅读EA的说明，了解优化时x的数值应该是多少，不要再问任何愚蠢的问题。 如果你在做你自己的事情，那么。 错了别怪镜子（来自Kozma Prutkov）。 Михаил 2009.12.11 11:55 #35 Reshetov писал(а)>> 当一个新的网格被训练时，初始权重是用随机数初始化的。 由于初始权重不同，对网格的训练也会不同，最后的结果也会不同。 删除已经训练好的网格并重新训练有什么意义？ 我只在失败的交易后进行优化--网格训练。大多数情况下，StopLoss保持不变，对于EA加载新的网格，你只需要重新加载终端，因为从文件中加载是在init()。如果StopLoss改变了，你也需要在交易EA的设置中改变它。 重新优化可以即时进行，也就是说，如果当时专家顾问正在交易，优化器就不会干扰它。 这个例子显示了2个不同策略的初始参数，在相同的数据、相同的时期、相同的训练参数下，对同一个专家顾问进行训练。 通过 盈利 交易总额 盈利能力 预期报酬率 缩减美元 利润百分比 54 1036.25 38 1.86 27.27 300.99 48.67 通过 盈利 交易总额 盈利能力 预期报酬率 缩减美元 利润百分比 24 880.85 168 1.26 5.24 287.04 30.80 从这个例子可以看出，如果2个相同训练的网络的初始参数不同，那么它们的后续训练（改进）也会不同。 如果我理解正确，那么接下来的所有训练（优化）应该在不删除ANN目录中的数据的情况下进行，只是通过增加一个新的时期（一天或一周）来延长优化间隔，也就是说，在新的优化期间，间隔的开始日期不应该改变？ 完美的机械交易系统。 A quick and free 作者的对话。亚历山大-斯米尔诺夫。 Михаил 2009.12.11 11:59 #36 Reshetov писал(а)>> 请仔细阅读EA的说明，看看在优化过程中x的数值应该是多少，不要再问任何愚蠢的问题。 如果你是为了自己，那么。 错了别怪镜子（来自Kozma Prutkov）。 对不起，我不太明白，从0到1000000的x是一个艰难的条件。 Yury Reshetov 2009.12.11 12:07 #37 mgribachev >> : 对不起，我没有意识到，从0到1000000的x是一个硬条件。 你不需要问，也不需要问什么。 正常人都是先按照说明做，然后再做实验，如果能力足够，风险自负。 不正常的人一次就能通过...然后他们马上就开始抱怨。 Yury Reshetov 2009.12.11 12:17 #38 mgribachev писал(а) >> 如果我理解正确，那么所有后续的训练（优化）应该在不删除ANN目录中的数据的情况下进行，而只是通过增加一个新的时期（一天或一周）来延长优化间隔，也就是说，在新的优化期间，间隔的开始日期应该保持不变？ 我甚至不知道如何回答才能让它更有意义？先试着回答你的问题。 如果你想看电视上的另一个节目，会有什么行动。 1.在以前的电视上看？ 2.拆掉旧电视，买一个新的，在上面看？ 再次仔细阅读EA手册，看看它是否提到了移除网格。 Edgar Akhmadeev 2009.12.11 20:10 #39 marketeer >> : 谁能解释一下FANN的例子中的内容？特别是在文件cascade_train.c中，写了以下内容。 我可能有些不明白，但似乎每一对后续的训练和测试文件的上传都会覆盖之前的文件。为什么会发生这种情况？此外，由于fann_destroy_train(data)在两次加载之间没有被调用，所以存在内存泄漏。 然后还有更多。 这有什么意义？ 有人取消了所有选项的注释。在CVS的代码中没有这样的错误。 Mihail Marchukajtes 2009.12.12 16:31 #40 伙计，我决定尝试EA和FANN，但在优化过程中，终端崩溃，出现了错误，我想知道什么问题？ 1234567891011...57 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
Z.I.虽然我的EA还没有出现这种截然不同的结果，但这可能取决于许多条件。
你的EA是否使用不同的指标进行输入？
初始权重可能不同，但在相同的输入数据上的最终结果应该是差不多的训练结果。
否则就是硬性的随机性，而不是训练。
第2次优化运行从 "0 "开始，对相同的数据和相同的参数进行了优化。
没有什么可 "学习 "的，因为这是一种新的训练，但它带来的结果完全不同。
在新的网格训练中，初始权重是用随机数初始化的。由于初始权重不同，对网格的训练也会不同，最终结果也会不同。
删除已经训练好的网格并重新训练它们有什么意义？
我只在亏损的交易后对培训进行优化。在大多数情况下，StopLoss保持不变，Expert Advisor只需要重新加载终端来加载新的网格，因为从文件中加载位于init（）。如果停止损失（StopLoss）被改变，它应该在交易专家顾问的设置中被改变。
重新优化可以在飞行中进行，即如果EA在同一时间交易，优化器不会干扰它们。
你的EA是否使用不同的指标进行输入？
输入是不同的，但更重要的可能是学习期更长的事实...。
你好，尤里。
如果你能解释一下为什么你的EA有两个独立的优化。
...x: 1到5000步 1
...
初始权重可能不同，但在相同的输入数据上的最终结果应该是差不多的训练结果。
否则就是硬性的随机性，而不是训练。
不要觉得很难，仔细阅读EA的说明，了解优化时x的数值应该是多少，不要再问任何愚蠢的问题。
如果你在做你自己的事情，那么。
错了别怪镜子（来自Kozma Prutkov）。
当一个新的网格被训练时，初始权重是用随机数初始化的。
由于初始权重不同，对网格的训练也会不同，最后的结果也会不同。
删除已经训练好的网格并重新训练有什么意义？我只在失败的交易后进行优化--网格训练。大多数情况下，StopLoss保持不变，对于EA加载新的网格，你只需要重新加载终端，因为从文件中加载是在init()。如果StopLoss改变了，你也需要在交易EA的设置中改变它。
重新优化可以即时进行，也就是说，如果当时专家顾问正在交易，优化器就不会干扰它。
这个例子显示了2个不同策略的初始参数，在相同的数据、相同的时期、相同的训练参数下，对同一个专家顾问进行训练。
从这个例子可以看出，如果2个相同训练的网络的初始参数不同，那么它们的后续训练（改进）也会不同。
如果我理解正确，那么接下来的所有训练（优化）应该在不删除ANN目录中的数据的情况下进行，只是通过增加一个新的时期（一天或一周）来延长优化间隔，也就是说，在新的优化期间，间隔的开始日期不应该改变？
请仔细阅读EA的说明，看看在优化过程中x的数值应该是多少，不要再问任何愚蠢的问题。
如果你是为了自己，那么。
错了别怪镜子（来自Kozma Prutkov）。
对不起，我不太明白，从0到1000000的x是一个艰难的条件。
对不起，我没有意识到，从0到1000000的x是一个硬条件。
你不需要问，也不需要问什么。
正常人都是先按照说明做，然后再做实验，如果能力足够，风险自负。
不正常的人一次就能通过...然后他们马上就开始抱怨。
mgribachev писал(а) >>
如果我理解正确，那么所有后续的训练（优化）应该在不删除ANN目录中的数据的情况下进行，而只是通过增加一个新的时期（一天或一周）来延长优化间隔，也就是说，在新的优化期间，间隔的开始日期应该保持不变？
我甚至不知道如何回答才能让它更有意义？先试着回答你的问题。
如果你想看电视上的另一个节目，会有什么行动。
1.在以前的电视上看？
2.拆掉旧电视，买一个新的，在上面看？
再次仔细阅读EA手册，看看它是否提到了移除网格。
谁能解释一下FANN的例子中的内容？特别是在文件cascade_train.c中，写了以下内容。
我可能有些不明白，但似乎每一对后续的训练和测试文件的上传都会覆盖之前的文件。为什么会发生这种情况？此外，由于fann_destroy_train(data)在两次加载之间没有被调用，所以存在内存泄漏。然后还有更多。
这有什么意义？有人取消了所有选项的注释。在CVS的代码中没有这样的错误。