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。