Discusión sobre el artículo "Un nuevo enfoque para los criterios personalizados en las optimizaciones (Parte 1): Ejemplos de funciones de activación"
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
Artículo publicado Un nuevo enfoque para los criterios personalizados en las optimizaciones (Parte 1): Ejemplos de funciones de activación:
La capacidad de definir un criterio personalizado, e incluso utilizar el criterio complejo con su metodología opaca, ha introducido la posibilidad de reducir el análisis sintáctico o, al menos, el análisis de los resultados en Excel, Python, R o en software propietario, para obtener la mejor permutación de parámetros.
El problema es que todavía no es raro ver el uso de return(0) en criterios personalizados publicados. Esto conlleva peligros reales o potenciales, entre ellos la posibilidad de descartar resultados (apenas) no deseados o, lo que es peor, desviar el proceso de optimización genética de vías potencialmente productivas.
En un intento por volver a algunos principios básicos, tras realizar algunos experimentos muy empíricos, traté de encontrar algunas ecuaciones de curvas. Para ello, consulté la publicación «Activation Functions in Neural Networks» y adopté y modifiqué algunas para utilizarlas aquí. Además, tras haberlos aclarado, he sugerido algunos métodos para ponerlos en práctica.
El plan para esta serie de artículos es el siguiente:
Autor: Andrew Thompson