文章 "您应该知道的 MQL5 向导技术（第 02 部分）：Kohonen 映射" 新评论 MetaQuotes 2022.10.10 12:55 新文章 您应该知道的 MQL5 向导技术（第 02 部分）：Kohonen 映射已发布： 这些系列文章所提议的是，MQL5 向导应作为交易员的支柱。 为什么呢？ 因为交易员不仅可以利用 MQL5 向导装配他的新想法来节省时间，还可以大大减少重复编码带来的错误；他最终可把精力投向自我交易哲学中的几个关键领域。 这些映射的一个常见误解是 functor 数据应该是图像或二维。 下面的图片都是作为 Kohonen 映射的代表而被分享的。 虽然没有错，但我想强调 functor 可以且也许应该（对于交易者）有一个单一维度。 因此，我们不会将高维数据降维到 2D 映射，而是将其映射到一条直线上。根据定义，Kohonen 映射旨在降低维度，因此我希望我们将这一点带到本文的下一个层面。kohonen 映射在层数和底层算法上都不同于常规神经网络。 它是神经元的单层（通常是前面提到的线性 2D 网格）集合，取代了多层。 这一层上的所有神经元，即我们正在参考的 functor 都与 feed 连接，但不是它们自身，这意味着神经元不受彼此权重的直接影响，且只随 feed 层面数据更新。functor 数据层通常是一个“映射”，它根据 feed 数据在每次训练迭代中组织自己。由此，训练之后，每个神经元在 functor 层中都有权重调整维度，这令我们可以计算任意两个这样的神经元之间的 Euclidean 距离。 作者：Stephen Njuki 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
新文章 您应该知道的 MQL5 向导技术（第 02 部分）：Kohonen 映射已发布：
这些系列文章所提议的是，MQL5 向导应作为交易员的支柱。 为什么呢？ 因为交易员不仅可以利用 MQL5 向导装配他的新想法来节省时间，还可以大大减少重复编码带来的错误；他最终可把精力投向自我交易哲学中的几个关键领域。
这些映射的一个常见误解是 functor 数据应该是图像或二维。 下面的图片都是作为 Kohonen 映射的代表而被分享的。
虽然没有错，但我想强调 functor 可以且也许应该（对于交易者）有一个单一维度。 因此，我们不会将高维数据降维到 2D 映射，而是将其映射到一条直线上。根据定义，Kohonen 映射旨在降低维度，因此我希望我们将这一点带到本文的下一个层面。kohonen 映射在层数和底层算法上都不同于常规神经网络。 它是神经元的单层（通常是前面提到的线性 2D 网格）集合，取代了多层。 这一层上的所有神经元，即我们正在参考的 functor 都与 feed 连接，但不是它们自身，这意味着神经元不受彼此权重的直接影响，且只随 feed 层面数据更新。functor 数据层通常是一个“映射”，它根据 feed 数据在每次训练迭代中组织自己。由此，训练之后，每个神经元在 functor 层中都有权重调整维度，这令我们可以计算任意两个这样的神经元之间的 Euclidean 距离。
作者：Stephen Njuki