Discusión sobre el artículo "Trabajamos con matrices: ampliando la funcionalidad de la biblioteca estándar de matrices y vectores."
Gracias por el artículo, es realmente inspirador.
por cierto, lo que he encontrado a ser difícil de tratar es la formación NN basado ea en Metatreader.
el uso de matrices y vectores me ahorra muchos esfuerzos, pero aún así la formación de un montón de variables en Metatreader optimizador es difícil de hacer. he tratado de escribir los pesos y sesgos de archivo CSV para ser cargado por el agente de formación en Metatrader optimizador, sin embargo, su acaba de parar en el paso menos de 100. más que eso, su mirada como el agente es sólo romper el archivo CSV. su ya no contienen los pesos y sesgos de valor como se supone que es.
¿tienes alguna idea para entrenar tal número de variables?
gracias por el artículo, es realmente inspirador.
por cierto, lo que me pareció difícil de tratar es la formación NN basado ea en Metatreader.
el uso de matrices y vectores me ahorra un montón de esfuerzos, pero aún así la formación de un montón de variables en el optimizador de Metatreader es difícil de hacer. he tratado de escribir los pesos y sesgos a un archivo CSV para ser cargado por el agente de formación en el optimizador de Metatrader, sin embargo, su acaba de parar en el paso menos de 100. más que eso, su mirada como el agente es sólo romper el archivo CSV. su ya no contienen los pesos y sesgos valor como se supone que es.
¿tiene alguna idea para entrenar tal número de variables?
Es difícil de decir sin ver el código y todo lo involucrado. Yo no entreno la NN en el probador de estrategias, prefiero entrenar los parámetros de operación allí. Todos mis NN son auto entrenados
gracias por el artículo, es realmente inspirador.
por cierto, lo que me pareció difícil de tratar es la formación NN basado ea en Metatreader.
el uso de matrices y vectores me ahorra un montón de esfuerzos, pero aún así la formación de un montón de variables en el optimizador de Metatreader es difícil de hacer. he tratado de escribir los pesos y sesgos a un archivo CSV para ser cargado por el agente de formación en el optimizador de Metatrader, sin embargo, su acaba de parar en el paso menos de 100. más que eso, su mirada como el agente es sólo romper el archivo CSV. su ya no contienen los pesos y sesgos valor como se supone que es.
¿tienes alguna idea para entrenar tal número de variables?
Si usted está utilizando el algoritmo genético rápido del probador debe tener cuidado, ya que tiene diferentes "motivaciones" en función de la forma de configurar la recompensa.
Como dijo el Sr. Msigwa, es preferible entrenar las redes con retropropagación. Puede entrenar más pesos y la única recompensa de la red es aumentar la "precisión".
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Trabajamos con matrices: ampliando la funcionalidad de la biblioteca estándar de matrices y vectores.:
Las matrices sirven de base a los algoritmos de aprendizaje automático y a las computadoras en general por su capacidad para procesar con eficacia grandes operaciones matemáticas. La biblioteca estándar tiene todo lo que necesitamos, pero también podemos ampliarla añadiendo varias funciones al archivo utils.
Un perceptrón multicapa tendrá 2 nodos/neuronas de entrada: uno para la altura de la pata y otro para el diámetro del cuerpo en la capa de entrada, mientras que la capa de salida tendrá 3 nodos que representarán 3 resultados: perro, gato y ratón.
Ahora bien, si suministramos al perceptrón los valores 12 y 20 para la altura y el diámetro respectivamente, podemos esperar que la red neuronal clasifique la clase como perro, ¿verdad? Lo que hace la codificación en caliente es poner un valor igual a la unidad en el nodo que tiene el valor correcto para el conjunto de datos de entrenamiento,así pues, en este caso, en el nodo para el perro se pondrá un valor de 1, mientras que el resto llevará valores cero.
Cuando codificamos con un estado abierto, podemos calcular la función de coste sustituyendo los valores del vector de codificación por cada una de las probabilidades que nos ha ofrecido el modelo. Este error se propagará nuevamente en la red en los nodos anteriores correspondientes de la capa anterior.
Autor: Omega J Msigwa