구조적 패턴 인식(structural pattem recognition)에서는 정적 신경망 을 사용하는 것이 관례입니다. 대조적으로, 시간적 패턴 인식은 시간에 따라 변하는 패턴을 처리하고 현재뿐만 아니라 여러 이전 ero 값에 의존하는 특정 시점에서 응답을 생성해야 합니다.
거기 아무도 없나요? :) Forex의 그러한 아키텍처 유형만 이론상으로 작동할 것입니다. 하지만 실험을 해야 합니다. MLP에 "흥미로운" 뉴런 몇 개를 추가하거나 2개의 모델을 연결하기만 하면 됩니다.
네, 저는 이 주제에서 흥미로운 것이 무엇인지 알아보기 위해 모든 종류의 기사를 살펴보았습니다. :) 음, 내가 이해하는 MLP에 대한 주요 이점은 속도와 최소한의 설정입니다(여기에는 전혀 없음). 이러한 그리드는 거의 재학습되지 않는다는 사실
글쎄, 가우스 f-I는 학생이 아니라 사용됩니다. 각 입력에 대해 f 번째 밀도 버전이 생성된 다음 출력 결과가 선형으로 합산됩니다.
그건 그렇고, PNN과 GRNN은 mql 형식으로 제공되지만 아직 시도하지 않았고 MLP와 비교하지 않았습니다.
https://www.mql5.com/en/code/1323
음, 마침내 이 MKL 공예품에 침을 뱉습니다. 수천 명의 사용자가 테스트하고 사용하는 전문 소프트웨어가 있습니다. 임호.
나는 지원한다.
내가 Maxim이었다면 그의 모든 흥미로운 연구를 기사로 작성했을 것이고 Grail 의 특정 배수를 위해 Vissim 또는 이와 유사한 것을 사용했을 것입니다.
나는 지원한다.
내가 Maxim이었다면 그의 모든 흥미로운 연구를 기사로 작성했을 것이고 Grail의 특정 배수를 위해 Vissim 또는 이와 유사한 것을 사용했을 것입니다.
음, 마침내 이 MKL 공예품에 침을 뱉습니다. 수천 명의 사용자가 테스트하고 사용하는 전문 소프트웨어가 있습니다. 임호.
나는 순전히 TS를 위해 나만의 것을 만듭니다. 반복 (작은)과 같은 메모리 요소 (지연)도 있습니다. 모든 것이 거기에 있습니다. 그리드 아키텍처를 만든다는 의미에서 백프롭을 만드는 것이 더 어렵습니다. -유형 솔버이지만 가중치가 적은 경우 옵티마이저에서 가능합니다.
이것은 단지 예일 뿐입니다. 코드에서 backprop이 구현되는 방식과 NS 자체를 볼 수 있습니다.
나는 순전히 TS를 위해 나만의 것을 만듭니다. 반복 (작은)과 같은 메모리 요소 (지연)도 있습니다. 모든 것이 거기에 있습니다. 그리드 아키텍처를 만든다는 의미에서 백프롭을 만드는 것이 더 어렵습니다. -유형 솔버이지만 가중치가 적은 경우 옵티마이저에서 가능합니다.
이것은 단지 예일 뿐입니다. 코드에서 backprop이 구현되는 방식과 NS 자체를 볼 수 있습니다.
음, IMHO, 아마추어 라디오에 참여할 필요가 없습니다. 다른 시간입니다. 우리는 당신이나 나나 전문적으로 그렇게하지 않을 것입니다. 사용 준비.
우리는 친구와 함께 위성 통신 시스템을 수리합니다. 또한 러시아 연방에서 거의 유일한 것입니다. 글쎄요, 그런 일은 절대 하지 마세요... 아마추어 라디오의 시대는 지났습니다. 돌이킬 수 없이.
음, IMHO, 아마추어 라디오에 참여할 필요가 없습니다. 다른 시간입니다. 당신도 나도 전문적으로 하지 않을 것입니다. 사용 준비.
우리는 친구와 함께 위성 통신 시스템을 수리합니다. 또한 러시아 연방에서 거의 유일한 것입니다. 글쎄요, 그런 일은 절대 하지 마세요... 아마추어 라디오의 시대는 지났습니다. 돌이킬 수 없이.
이제 모든 로봇이 합니다 :) 로봇을 만들어야 합니다. 그래야 로봇이 일을 하는 로봇을 만들 수 있습니다.
네, 알겠습니다. 아이디어가 몇 개 있을 뿐이죠. 창의성과 비슷합니다. 구체적인 작업 방법은 없습니다.
이제 모든 로봇이 합니다 :) 로봇을 만들어야 합니다. 그래야 로봇이 일을 하는 로봇을 만들 수 있습니다.
예, 이해합니다. 몇 가지 아이디어가 있을 뿐입니다. 창의성과 같습니다.
나는 창의성에 대해 말하는 것이 아니다. 그러나 공예품이 아닌 전문 소프트웨어를 사용하십시오. 하지만. 나는 주장하지 않는다. 애프터 사건.)
위의 Python에서 PNN에 대한 링크를 삭제했습니다. 안되는 것 같습니다)
시간 지연이 있는 집중된 순방향 전파 네트워크
구조적 패턴 인식(structural pattem recognition)에서는 정적 신경망 을 사용하는 것이 관례입니다. 대조적으로, 시간적 패턴 인식은 시간에 따라 변하는 패턴을 처리하고 현재뿐만 아니라 여러 이전 ero 값에 의존하는 특정 시점에서 응답을 생성해야 합니다.
거기 아무도 없나요? :) Forex의 그러한 아키텍처 유형만 이론상으로 작동할 것입니다. 하지만 실험을 해야 합니다. MLP에 "흥미로운" 뉴런 몇 개를 추가하거나 2개의 모델을 연결하기만 하면 됩니다.
MLP 대신 PNN을 사용하고 나머지는 상단과 측면에서 나사로 조입니다.