使用神经网络搜索任意模式 - 页 5 12345678910 新评论 Реter Konow 2019.09.05 12:35 #41 Vladimir Simakov: 彼得。我认为对你来说，"数学 "一词在学校课程中就结束了？所以那里有很多东西，包括算法。 是的，我知道学校课程中的数学。我曾经在分析几何课（处理函数和坐标轴的课）上问过一位老师： "如果一个函数在图形上构建了一条曲线，那么一个函数能不能从图形上的曲线中绘制出来呢？" 我得到了明确的答案："不能，这是不可能的。"由此，我得出结论，模式可以用数学来描述，但不能被识别，因为你无法从数值中得到生成模式的公式。 也许还有其他的数学工具。如果你知道，请告诉我。 Реter Konow 2019.09.05 12:52 #42 下面是对模式的更广泛考察。 https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD Igor Makanu 2019.09.05 13:49 #43 Реter Konow: 是的，我知道学校课程中的数学。我曾经在分析几何课（处理函数和坐标轴的课）上问过一位老师： "如果一个函数在图形上构建了一条曲线，你能从图形上的曲线绘制出一个函数吗？" 我得到了明确的回答："不能，这不可能。"由此，我得出结论，模式可以用数学来描述，但不能被识别，因为不可能从它们的数值中推导出一个生成它们的公式。 也许有一些其他的数学工具。如果你知道的话，请告诉我。 你可以在猜测中，用表格的方法来定义一个函数，插值 Реter Konow 2019.09.05 14:14 #44 Igor Makanu: 你可以一目了然地用表格的方法来指定一个函数，插值 我可能是错的，但我认为这就是神经网络的工作方式。 一个数据阵列被安排在一个表格里面，每个单元格是一个神经元，记住一个值。在 "学习"（重新加载新数据）的过程中，单元格中的数值被汇总并减少到一个范围。最终，每个神经元都会记住在数据加载周期中获得的数值范围，并产生一个 "模型"（一个带有范围值的矩阵），作为模板，被应用于新的数据表，并发生 "识别"（如果数据符合范围）。说得很业余，但就是这个意思。我想知道专家们有什么意见。 在这种情况下，神经网络是模式识别的理想选择。 Igor Makanu 2019.09.05 15:10 #45 Реter Konow: 我可能是错的，但我认为这就是神经网络的工作方式。 一个数据数组有点像铺在一个表格里面，每个单元格是一个神经元，记住一个值。在 "学习"（重新加载新数据）的过程中，单元格中的数值被汇总并减少到一个范围。 1.在一般情况下，答案是否定的 2.作为一种特殊情况，是的，但这取决于NS的类型。 1.NS的特点不是 "记住一个神经元"，而是改变它的重量--神经元之间的连接，总之它清楚地写在hubra上，容易阅读https://habr.com/ru/post/312450/。 2.这些很可能是汉明的网络https://habr.com/ru/sandbox/43916/。 如果你决定认真对待，你至少要读一本书（要明白下一本书会有前一本书80%的重复）），至少要明白NS的分类任务和回归的区别--基本上所有的东西都是建立在它的基础上，其余的都是这个主题的变种和学习的方式以及NS的类型--我没有深入研究，很多东西都是重复的，但试图作为非常新的东西呈现，称之为新术语...一片混乱，一片嘈杂 )))) Реter Konow 2019.09.05 15:28 #46 Igor Makanu: 1.一般来说，答案是否定的 2. 作为一种特殊情况，是的，但这取决于NS的类型。 1.NS的特点不是 "记住一个神经元"，而是重量的变化--神经元之间的交流，一般来说，它清楚地写在hubra上，容易阅读https://habr.com/ru/post/312450/。 2.这些很可能是汉明的网络https://habr.com/ru/sandbox/43916/。 如果你决定认真对待，你至少要读一本书（要明白下一本书会有前一本书80%的重复）），至少要明白NS的分类任务和回归的区别--基本上所有的东西都是建立在它的基础上，其余的都是这个主题的变种和学习的方式以及NS的类型--我没有深入研究，很多东西都是重复的，但试图作为非常新的东西呈现，称之为新术语...大量的混乱和噪音)))) 谢谢，我喜欢第一篇文章，但我不明白为什么网络突然这样工作。它简单地描述了一切，但根本不清楚这一切是怎么回事。只是信息，没有任何真实的例子。 权重，神经元，输入和输出，隐藏，突触...值必然在1和0之间。 为什么是这样，而不是那样？ 如何在类型不是双倍的数据上训练网络，并且超出0和1的范围？如何声明一个图层？如何设置神经元的数量？ 在哪里加载数据？ 简而言之，我还没有想明白。 Igor Makanu 2019.09.05 16:38 #47 Реter Konow: 谢谢你，我喜欢第一篇文章，但我不明白为什么网络突然这样工作而不是其他。这很简单，但不清楚它的目的是什么。只是信息，没有任何真实的例子。 权重，神经元，输入和输出，隐藏，突触...数值必然在1和0之间。 为什么正是这样而不是其他？ 如何在非双倍类型的数据上训练网络，并且超出0和1的范围？如何声明一个图层？如何设置神经元的数量？在哪里加载数据？ 简而言之，我还没有想明白。 谷歌激活函数和神经网络规范化 例子https://www.mql5.com/ru/forum/5010#comment_329221， 它也在alglib下https://www.mql5.com/ru/forum/8265/page2#comment_333746 但你仍然需要读一本书；试错并不是一件容易的事。 Реter Konow 2019.09.05 18:41 #48 Igor Makanu: 谷歌激活函数和神经网络规范化 例子https://www.mql5.com/ru/forum/5010#comment_329221 和 alglib 下的相同https://www.mql5.com/ru/forum/8265/page2#comment_333746 但你仍然需要某种书，科学的猜测不会起到作用。 好的。我想自己搞清楚，然后再读这本书。) 文章说，网络有三种用途--分类、预测和识别。然后，事实证明，价格模式的识别不应基于OCHL数据，而是基于图表截图。 用图像进行识别是可行 的。 Igor Makanu 2019.09.05 18:43 #49 Реter Konow: 那么事实证明，价格模式的识别不应该基于OCHL数据，而是基于图表截图。用图像进行识别是可行的。 幽默感十足!))) 什么是屏幕截图？ 以及什么是OHLC？ 在机器上表示! Реter Konow 2019.09.05 18:47 #50 Igor Makanu: (笑)。))) 什么是屏幕？ 以及什么是OHLC？ 在机器上表示! 那么，这篇文章将网络的三种应用分开了。从价格数据中识别是一回事，从颜色数据中识别是另一回事。仍然是完全不同的方法和机制。 价格模式在本质上是图形的，而不是数学的。如果人们试图从数学上认识它们，就会被难住，但从图形上看却很容易。 12345678910 新评论 原因: 取消 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
彼得。我认为对你来说，"数学 "一词在学校课程中就结束了？所以那里有很多东西，包括算法。
是的，我知道学校课程中的数学。我曾经在分析几何课（处理函数和坐标轴的课）上问过一位老师： "如果一个函数在图形上构建了一条曲线，那么一个函数能不能从图形上的曲线中绘制出来呢？" 我得到了明确的答案："不能，这是不可能的。"由此，我得出结论，模式可以用数学来描述，但不能被识别，因为你无法从数值中得到生成模式的公式。
也许还有其他的数学工具。如果你知道，请告诉我。下面是对模式的更广泛考察。
https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D1%82%D0%B5%D1%80%D0%BD
是的，我知道学校课程中的数学。我曾经在分析几何课（处理函数和坐标轴的课）上问过一位老师： "如果一个函数在图形上构建了一条曲线，你能从图形上的曲线绘制出一个函数吗？" 我得到了明确的回答："不能，这不可能。"由此，我得出结论，模式可以用数学来描述，但不能被识别，因为不可能从它们的数值中推导出一个生成它们的公式。
也许有一些其他的数学工具。如果你知道的话，请告诉我。你可以在猜测中，用表格的方法来定义一个函数，插值
你可以一目了然地用表格的方法来指定一个函数，插值
我可能是错的，但我认为这就是神经网络的工作方式。
一个数据阵列被安排在一个表格里面，每个单元格是一个神经元，记住一个值。在 "学习"（重新加载新数据）的过程中，单元格中的数值被汇总并减少到一个范围。最终，每个神经元都会记住在数据加载周期中获得的数值范围，并产生一个 "模型"（一个带有范围值的矩阵），作为模板，被应用于新的数据表，并发生 "识别"（如果数据符合范围）。说得很业余，但就是这个意思。我想知道专家们有什么意见。
在这种情况下，神经网络是模式识别的理想选择。
我可能是错的，但我认为这就是神经网络的工作方式。
一个数据数组有点像铺在一个表格里面，每个单元格是一个神经元，记住一个值。在 "学习"（重新加载新数据）的过程中，单元格中的数值被汇总并减少到一个范围。
1.在一般情况下，答案是否定的
2.作为一种特殊情况，是的，但这取决于NS的类型。
1.NS的特点不是 "记住一个神经元"，而是改变它的重量--神经元之间的连接，总之它清楚地写在hubra上，容易阅读https://habr.com/ru/post/312450/。
2.这些很可能是汉明的网络https://habr.com/ru/sandbox/43916/。
如果你决定认真对待，你至少要读一本书（要明白下一本书会有前一本书80%的重复）），至少要明白NS的分类任务和回归的区别--基本上所有的东西都是建立在它的基础上，其余的都是这个主题的变种和学习的方式以及NS的类型--我没有深入研究，很多东西都是重复的，但试图作为非常新的东西呈现，称之为新术语...一片混乱，一片嘈杂 ))))
1.一般来说，答案是否定的
2. 作为一种特殊情况，是的，但这取决于NS的类型。
1.NS的特点不是 "记住一个神经元"，而是重量的变化--神经元之间的交流，一般来说，它清楚地写在hubra上，容易阅读https://habr.com/ru/post/312450/。
2.这些很可能是汉明的网络https://habr.com/ru/sandbox/43916/。
如果你决定认真对待，你至少要读一本书（要明白下一本书会有前一本书80%的重复）），至少要明白NS的分类任务和回归的区别--基本上所有的东西都是建立在它的基础上，其余的都是这个主题的变种和学习的方式以及NS的类型--我没有深入研究，很多东西都是重复的，但试图作为非常新的东西呈现，称之为新术语...大量的混乱和噪音))))
谢谢，我喜欢第一篇文章，但我不明白为什么网络突然这样工作。它简单地描述了一切，但根本不清楚这一切是怎么回事。只是信息，没有任何真实的例子。
权重，神经元，输入和输出，隐藏，突触...值必然在1和0之间。 为什么是这样，而不是那样？
如何在类型不是双倍的数据上训练网络，并且超出0和1的范围？如何声明一个图层？如何设置神经元的数量？ 在哪里加载数据？
简而言之，我还没有想明白。谢谢你，我喜欢第一篇文章，但我不明白为什么网络突然这样工作而不是其他。这很简单，但不清楚它的目的是什么。只是信息，没有任何真实的例子。
权重，神经元，输入和输出，隐藏，突触...数值必然在1和0之间。 为什么正是这样而不是其他？
如何在非双倍类型的数据上训练网络，并且超出0和1的范围？如何声明一个图层？如何设置神经元的数量？在哪里加载数据？
简而言之，我还没有想明白。谷歌激活函数和神经网络规范化
例子https://www.mql5.com/ru/forum/5010#comment_329221， 它也在alglib下https://www.mql5.com/ru/forum/8265/page2#comment_333746
但你仍然需要读一本书；试错并不是一件容易的事。
谷歌激活函数和神经网络规范化
例子https://www.mql5.com/ru/forum/5010#comment_329221 和 alglib 下的相同https://www.mql5.com/ru/forum/8265/page2#comment_333746
但你仍然需要某种书，科学的猜测不会起到作用。
好的。我想自己搞清楚，然后再读这本书。)
文章说，网络有三种用途--分类、预测和识别。然后，事实证明，价格模式的识别不应基于OCHL数据，而是基于图表截图。 用图像进行识别是可行 的。
那么事实证明，价格模式的识别不应该基于OCHL数据，而是基于图表截图。用图像进行识别是可行的。
幽默感十足!)))
什么是屏幕截图？
以及什么是OHLC？
在机器上表示!
(笑)。)))
什么是屏幕？
以及什么是OHLC？
在机器上表示!
那么，这篇文章将网络的三种应用分开了。从价格数据中识别是一回事，从颜色数据中识别是另一回事。仍然是完全不同的方法和机制。
价格模式在本质上是图形的，而不是数学的。如果人们试图从数学上认识它们，就会被难住，但从图形上看却很容易。