在交易中使用神经网络 - 页 17

[Дмитрий]

Figar0:
你说得好像你有这个隐藏的层，有自己的生命一样）但我想我知道你的意思......我实行的是相反的方法。我找到了很多不同的解决方案，例如在一个月的数据上，然后我检查了两个月，抛弃了不适合新数据的解决方案，增加了很多解决方案，等等。

嗯...也就是说，我们展示了输入的1个组合，并用一个输出进行检查。我们剔除了那些不合适的尺度。然后我们展示第二个进水口。以此类推，直到我们只剩下一个解决方案？因此，这将是网络能够 "学习 "的极限。这是如果我们回到再培训的问题上。

[[删除]]

grell:

嗯...因此，我们向网络展示了1个输入的组合，并对一个输出进行检查。我们筛选出不适合的天平。然后，我们展示了第二次摄入。以此类推，直到我们只剩下一个解决方案？因此，这将是网络能够 "学习 "的极限。这是如果我们回到关于再培训的问题。

如果只选择能够在已经看到的数据之外工作的解决方案，为什么要进行过度训练？正好相反，当然是在合理的限度内。

[Дмитрий]

Figar0:
如果只选择能够在已经看到的数据之外工作的解决方案，为什么要进行过度训练？正好相反，当然是在合理的范围内。

我可能夸大其词了:)你知道我的意思。

[BBC]

grell:
我将很快发布重新训练的网络的截图。

去年，我已经准备好（并准备了必要的材料）在论坛上启动一个名为 "自然智能实验室 "的主题，在那里应该花几个月的时间悠闲地研究从perseptron到多层网络的已知理论和实践（在你的帮助下，包括其他人）。

它应该看起来像一个研究所/大学的实验室工作。没有理论。只有对不同网络的实际调查。在每个实验工作的开始，只包括参考基本概念、讲座和关于所研究主题的文章。

目标：让尽可能多的论坛成员对神经网络感兴趣，并教他们如何自己建立各种类型的网络。

主要目标：最终（一年后）表明，神经网络无法在金融市场上实现盈利。

并最终结束 这个话题。

[solar]

DhP:

去年，我已经准备好（并准备了必要的材料）在论坛上启动一个名为 "自然智能实验室 "的主题，在那里应该花几个月的时间悠闲地研究从perseptron到多层网络的知名理论和实践（在你的帮助下，包括其他人）。

它应该看起来像一个研究所/大学的实验室工作。没有理论。只有对不同网络的实际调查。在每个实验工作的开始，只包括参考基本概念、讲座和关于所研究主题的文章。

目标：让尽可能多的论坛成员对神经网络感兴趣，并教他们如何自己建立各种类型的网络。

主要目标：最终（一年后）表明，神经网络无法在金融市场上实现盈利。

并在一天结束时结束 这个话题。

你有没有自己做过这一切呢？因为一个讲师应该知道他所教的内容....。又不是说音乐学院的院长不需要知道如何拉小提琴。

[Дмитрий]

DhP:

去年，我已经准备好（并准备了必要的材料）在论坛上启动一个名为 "自然智能实验室 "的主题，在那里应该花几个月的时间悠闲地研究从perseptron到多层网络的知名理论和实践（在你的帮助下，包括其他人）。

它应该看起来像一个研究所/大学的实验室工作。没有理论。只有对不同网络的实际调查。在每个实验工作的开始，只包括参考基本概念、讲座和关于所研究主题的文章。

目标：让尽可能多的论坛成员对神经网络感兴趣，并教他们如何自己建立各种类型的网络。

主要目标：最终（一年后）表明，神经网络无法在金融市场上实现盈利。

并在一天结束时结束 这个话题。

你都检查了吗？这大约是20年的工作。过早放弃:)))

• Rosenblatt的Perseptron。
• 哈基莫夫的花键模型。
• 多层感知器。
• 约旦网络。
• 艾尔曼网络。
• 汉明网络。
• 沃德的网络。
• 霍普菲尔德的网络；霍普菲尔德的网络。
• Kohonen网络。
• 神经气体^[20]
• Cognitron。
• 新认识论。
• 混沌神经网络。
• 振荡的神经网络。
• 反传播网络。
• 径向基函数网络（RBF网络）。
• 广义的回归网络。
• 概率性网络。
• 雷舍托夫概率神经网络
• 连体神经网络。
• 自适应谐振网络。
• 一个卷积神经网络。
• 模糊的多层渗透器

[Роман]

DhP:

1.去年，我已经准备好（并准备了必要的材料）在论坛上启动一个名为 "自然智能实验室 "的主题，在那里应该用几个月的时间悠闲地研究从perseptron到多层网络的已知理论和实践（在你的帮助下，包括其他人）。

它应该看起来像一个研究所/大学的实验室工作。没有理论。只有对不同网络的实际调查。在每个实验工作的开始，只包括参考基本概念、讲座和关于所研究主题的文章。

目标：让尽可能多的论坛访问者对神经网络感兴趣，并教他们自己创建各种类型的网络。

2.主要目标：最后（一年内）证明神经网络不可能在金融市场上有盈利。

并在一天结束时结束 这个话题。

知道的项目。2，第1段中的任务IMHO将不会在理想的水平上执行。

在这里，似乎每个人都有自己的方式。

但是，一个联合项目--不会伤害到IMHO。

然后人们就会决定选择网格和参数以及其他一切，但这不太可能都是透明的......。

毕竟，人们花钱和出国旅行是为了学习如何使用NeuroShell，例如...

[Роман]

grell:
大家都检查过了吗？这是一份为期20年的工作。过早放弃:)))

• Rosenblatt的Perseptron。
• 哈基莫夫的花键模型。
• 多层感知器。
• 约旦网络。
• 艾尔曼网络。
• 汉明网络。
• 沃德的网络。
• 霍普菲尔德的网络；霍普菲尔德的网络。
• Kohonen网络。
• 神经气体^[20]
• Cognitron。
• 新认识论。
• 混沌神经网络。
• 振荡的神经网络。
• 反传播网络。
• 径向基函数网络（RBF网络）。
• 广义的回归网络。
• 概率性网络。
• 雷舍托夫概率神经网络
• 连体神经网络。
• 自适应谐振网络。
• 一个卷积神经网络。
• 模糊的多层渗透器

很多东西，但雷舍托夫是有问题的，他的R-Net正在倾泻，他不评论情况，我--询问了......。

似乎有很多修补工作要做......

[Дмитрий]

这都是非常微不足道的。"这里没有鱼，"一个已经在抓鱼的人，或者一个急于找鱼的人喊道。但是有鱼，而且他们偷偷地抓鱼。但没有人分享。每个人都有自己的方式。该论坛缩短了它。

[BBC]

solar:
都是你自己做的吗？因为一个讲师应该知道他在教什么....。并不是说音乐学院的院长就不需要知道如何拉小提琴。

是的，我几乎花了两年时间在上面。并不是懒得去读这个问题，研究。我创建了各种网络。

我根本就没有得到任何结果。这并不是说它总是消极的。一些结果激发了进一步的深入学习和研究。

但我意识到，世界上已有数千亿美元被用于人工智能，但却无济于事，最终停止了对我精力和时间的进一步浪费。

分开这一切是很痛苦的。