Diskussion zum Artikel "Ein neuer Ansatz für nutzerdefinierte Kriterien in den Optimierungen (Teil 1): Beispiele für Aktivierungsfunktionen"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Ein neuer Ansatz für nutzerdefinierte Kriterien in den Optimierungen (Teil 1): Beispiele für Aktivierungsfunktionen :
Die Möglichkeit, ein nutzerdefiniertes Kriterium zu definieren und sogar das komplexe Kriterium mit seiner undurchsichtigen Methodik zu verwenden, hat dazu geführt, dass das Parsen oder zumindest die Analyse der Ergebnisse in Excel, Python, R oder in proprietärer Software reduziert werden kann, um die beste Permutation der Parameter zu erhalten.
Das Problem ist, dass die Verwendung von return(0) in veröffentlichten nutzerdefinierten Kriterien immer noch nicht ungewöhnlich ist. Dies birgt tatsächliche oder potenzielle Gefahren, einschließlich der Möglichkeit, (kaum) unerwünschte Ergebnisse zu verwerfen oder, schlimmer noch, den genetischen Optimierungsprozess von potenziell produktiven Wegen abzulenken.
In einem Versuch, zu den ersten Prinzipien zurückzukehren, nachdem ich einige sehr empirische Experimente durchgeführt hatte, versuchte ich, einige Kurvengleichungen zu finden. Zu diesem Zweck habe ich mich „Activation Functions in Neural Networks“ zugewandt und einige davon für die Verwendung hier übernommen und modifiziert. Nachdem ich diese erläutert habe, habe ich einige Methoden vorgeschlagen, um sie in der Praxis anzuwenden.
Der Plan für diese Artikelserie sieht folgendermaßen aus:
Autor: Andrew Thompson