정상적인 뉴런 훈련 중에 훈련을 일시 중지하고 새 데이터에 대한 과적합을 확인하여 훈련을 제시간에 중지할 수 있는 경우 NEAT에서는 작동하지 않으며 유전학은 도달할 때까지 피트니스 기능을 가장 잘 충족시키는 가중치를 찾습니다. 그 한계는 결과적으로 새로운 데이터에 대한 모델의 강한 과적합과 무익함을 얻습니다.
이것은 전혀 사실이 아닙니다. 정돈된 (NeuroEvolution of Augmenting Topologies) 는 최적의 신경망 아키텍처에 대한 유전자 검색입니다. 주어진 아키텍처의 NN 가중치가 아니라 아키텍처입니다. 불행히도 패키지는 R의 최근 릴리스에서 계속되지 않았습니다. Python에도 유사한 패키지가 있습니다. NEAT는 임의의 신경망을 개발하기 위해 Kenneth O. Stanley가 개발한 기술입니다. NEAT-Python 은 Python 표준 라이브러리 이외의 종속성이 없는 순수 Python 구현입니다. 자세한 내용은 원본 NEAT 저널(Ken Stanley 및 Risto Miikkulainen과 공동 저술), Evolution of Neural Networks through Complementary Topologies를 참조하십시오.
신경 진화에서 중요한 문제는 가중치와 함께 신경망 토폴로지의 진화를 활용하는 방법입니다.우리는 인공물 학습이라는 도전적인 문제에 대해 최고의 고정 토폴로지 방법을 능가하는 NEAT(NeuroEvolution of Augmenting Topologies) 방법을 제시합니다.우리는 효율성 증가가 (1) 다른 토폴로지의 기본 교차 방법의 사용, (2) 종분화를 사용한 구조적 혁신의 보호, (3) 최소 구조에서 점진적인 증가로 인한 것이라고 주장합니다.우리는 각 구성 요소가 시스템 전체와 서로에게 필수적임을 보여주는 일련의 절제 연구를 통해 이 주장을 테스트합니다.결과는 학습을 크게 가속화합니다.NEAT는 또한 솔루션을 최적화 하고 복잡하게 만들기 위해 동시에 진화할 수 있는 방법을 보여주기 때문에 GA에 중요한 기여를 했으며, 세대에 걸쳐 점점 더 복잡한 솔루션을 개발할 가능성을 제공하고 생물학적 진화와의 유추를 강화합니다.
간단한 논리의 표준 MACD 샘플 전문가, 1분당 2 개 시가 로.. 글쎄요.. 4-5초처럼 느껴집니다. 그리고 이것은 1년 분 분
내 생각에는 그렇게 느리지 않다 + 플로팅 스프레드와 같은 거래 환경을 재현하고 그래프를 그리고 보고서를 보여주었습니다
얘들 아, 내가 말할 수있는 것은 성장하고 있습니다. 4 년 전에는 훨씬 느렸습니다. 하지만 그래도 4~5초는 한 번의 달리기에 영원하고, 약 2배는 더 빨라야 합니다. 4-5초 동안 매년 간격으로 이 "전략"은 100-200번 실행에서 유전학 또는 일종의 어닐링에 의해 최적화되어야 합니다.
음, 4-5초처럼 느껴집니다.
그리고 저는 25개를 가지고 있습니다(실제 틱 기준). 또한 첫 번째 실행을 위해 틱을 준비하는 데 시간이 더 걸리지만 무시할 수 있습니다.
그리고 25개가 있습니다(실제 틱 기준). 또한 첫 번째 실행을 위해 틱을 준비하는 데 시간이 더 걸리지만 무시할 수 있습니다.
그래서 그것은 약 97555367 틱입니다 :) khukhry-muhry가 아닙니다.
당신은 빠른 컴퓨터를 가지고 있고, 나는 실제 틱에 1분 이상 시간이 있습니다.
주제 자체는 흥미롭지만 외환 테스트를 통과하지 못했습니다. 주제에 이에 대한 기사가 있었고 R - https://github.com/ahunteruk/RNeat 패키지도 있습니다.
몇 마디로 NEAT - 우리는 기존의 훈련 대신 유전자 알고리즘을 사용하여 뉴런의 가중치를 선택합니다.
예를 들어 작동 중인 알고리즘에서 뉴런은 Mario 게임을 하는 방법을 배우고 있습니다. https://www.youtube.com/watch?v=qv6UVOQ0F44
정상적인 뉴런 훈련 중에 훈련을 일시 중지하고 새 데이터에 대한 과적합을 확인하여 훈련을 제시간에 중지할 수 있는 경우 NEAT에서는 작동하지 않으며 유전학은 도달할 때까지 피트니스 기능을 가장 잘 충족시키는 가중치를 찾습니다. 그 한계는 결과적으로 새로운 데이터에 대한 모델의 강한 과적합과 무익함을 얻습니다.
이것은 전혀 사실이 아닙니다. 정돈된 (NeuroEvolution of Augmenting Topologies) 는 최적의 신경망 아키텍처에 대한 유전자 검색입니다. 주어진 아키텍처의 NN 가중치가 아니라 아키텍처입니다. 불행히도 패키지는 R의 최근 릴리스에서 계속되지 않았습니다. Python에도 유사한 패키지가 있습니다. NEAT는 임의의 신경망을 개발하기 위해 Kenneth O. Stanley가 개발한 기술입니다. NEAT-Python 은 Python 표준 라이브러리 이외의 종속성이 없는 순수 Python 구현입니다. 자세한 내용은 원본 NEAT 저널(Ken Stanley 및 Risto Miikkulainen과 공동 저술), Evolution of Neural Networks through Complementary Topologies를 참조하십시오.
Small Journal Extract: 상보적 토폴로지로 신경망 개발(2002)
차이점이 느껴지시나요? 실험을 해야 합니다. 하루가 26시간이라면...
간단한 논리의 표준 MACD 샘플 전문가, 1분당 2 개 시가 로.. 글쎄요.. 4-5초처럼 느껴집니다. 그리고 이것은 1년 분 분
내 생각에는 그렇게 느리지 않다 + 플로팅 스프레드와 같은 거래 환경을 재현하고 그래프를 그리고 보고서를 보여주었습니다
얘들 아, 내가 말할 수있는 것은 성장하고 있습니다. 4 년 전에는 훨씬 느렸습니다. 하지만 그래도 4~5초는 한 번의 달리기에 영원하고, 약 2배는 더 빨라야 합니다. 4-5초 동안 매년 간격으로 이 "전략"은 100-200번 실행에서 유전학 또는 일종의 어닐링에 의해 최적화되어야 합니다.
젠장 난 프로그래머야 4시간 동안 CD를 이용해서 MT5용 AD 인디케이터를 만들어 보려고 했는데 해본 것 같습니다. 이 망할 동지들입니다. 세 줄로 길을 잃다 :-(
모르면 잊기도 힘들고 :-)
당신은 믿지 않겠지만 바보의 꿈이 이루어졌습니다. 최적화를 위해 시장의 세 가지 주요 구성 요소를 출시했습니다. 델타 + 거래량 + 미결제약정. 나는 결과를 기다릴 수 없어...
당신은 믿지 않겠지만 바보의 꿈이 이루어졌습니다. 최적화를 위해 시장의 세 가지 주요 구성 요소를 출시했습니다. 델타 + 거래량 + 미결제약정. 나는 결과를 기다릴 수 없어...
"미결제약정"이란 무엇을 의미합니까?
"델타" 뭐?
"미결제약정"이란 무엇을 의미합니까?
"델타" 뭐?
Forts의 미결제약정, CD의 Delta. 일반적으로 나는 그런 비네그레트를 가지고 있습니다 ....이 샐러드에서 무엇이 나오는지 봅시다 .......
Forts의 미결제약정, CD의 Delta. 일반적으로 나는 그런 비네그레트를 가지고 있습니다 ....이 샐러드에서 무엇이 나오는지 봅시다 .......
질문이 있습니다. 이러한 데이터가 이미 알려져 있고 훨씬 더 일찍 가능하다면 이러한 매개변수가 다른 시장 참여자보다 이점을 제공하는 이유는 무엇입니까?
Forts의 미결제약정, CD의 Delta. 일반적으로 나는 그런 비네그레트를 가지고 있습니다 ....이 샐러드에서 무엇이 나오는지 봅시다 .......
채널 경계에 대해 볼린저 밴드 또는 엔벨로프 의 표준 편차 를 추가하려고 하면 흥미로운 결과를 얻을 수 있습니다.
"Forts의 미결제약정", 누가 이 지표에 대한 실제 데이터를 방송하는지 궁금합니다.
다시, "KD"가 무엇인지 이해하지 못합니까?