Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 605
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Quiero determinar automáticamente el número de neuronas de la red. ¿Cuáles son las fórmulas para calcularlo?
He leído en algún sitio que la capa de entrada debe ser la mitad del tamaño de la capa de entrada, 2 capas como máximo, no tiene sentido más
para MLP
Deberías ir a Gerchik o ir directamente a Perepelkin si te tomas en serio la inversión en educación.
Perepelkin ya no da clases, se llenó de bobos y abrió un dc.
He leído en algún sitio que la capa de entrada debe ser la mitad del tamaño de la capa de entrada, 2 capas como máximo, no tiene sentido más
es para MLP
Un sinsentido absoluto. Puede ser menos o más, depende de la tarea. Heikin (creo que tiene uno) describe cómo y por qué.
No he visto esta información de él, tal vez no la he leído con atención.
No he visto esta información de él, tal vez no la he leído con atención.
La segunda capa suele ser más grande que la capa de entrada, porque empieza a extraer características, y puede haber muchas de ellas, incluso si tiene una clasificación de sí/no.
Heikin ciertamente lo tiene, y mucho mejor que el mío).
Un sinsentido absoluto. Puede haber menos o más neuronas y capas: depende de la tarea. Haykin (creo que lo tiene) describe cómo y por qué.
He visto una variante sobre el número de entradas / 2 y otros.
¿Cómo calcular automáticamente la variante óptima?
He visto la opción de número de entradas / 2 y otras.
¿Cómo puedo calcular automáticamente la mejor opción?
La segunda capa suele ser más grande que la capa de entrada, ya que empieza a extraer características, y puede haber muchas de ellas, incluso si tiene una clasificación de sí/no.
Heikin definitivamente lo tiene, y está mucho mejor escrito que el mío).
La regla general es que el tamaño de esta capa [oculta] está entre el tamaño de la capa de entrada... y el tamaño de la capa de salida ....
Para calcular el número de nodos ocultos, utilizamos la regla general: (Número de entradas + salidas) x 2/3
Esta es la recomendación más común... pero en general hay métodos de determinación, hay que leer en google, pero ahí es complicado
NS no extrae ninguna característica, las características se introducen en la entrada. Se reduce la muestra o se hace una muesca en todas las combinaciones (con un número creciente de neuronas).
Una cita sobre la elección del número de capas:
Una red con tres capas (numLayers=3: una de entrada, una oculta y una de salida) suele ser suficiente en la gran mayoría de los casos. Según el teorema de Tsybenko, una red con una capa oculta es capaz de aproximar cualquier función continua multidimensional con cualquier grado de precisión deseado. Una red con dos capas ocultas es capaz de aproximar cualquier función multidimensional discreta.
Me pregunto si el análisis de barras se refiere a una función continua o discreta.
NS no extrae ninguna característica, las características se introducen en la entrada. Reduce o hace muescas en todas las combinaciones (con un número creciente de neuronas).