Discussion de l'article "Réseaux neuronaux : De la théorie à la pratique" - page 3

Nouveau commentaire
 

marketeer:

Yedelkin: C'est-à-dire que pour un neuro-conseiller à part entière (auto-apprentissage), il est nécessaire d'intégrer l'"algorithme d'optimisation génétique standard" dans le code du programme ?

Non, bien sûr que non ! C'est pourquoi il est standard, parce qu'il est déjà intégré dans l'optimiseur. Il optimise lui-même les poids de la grille.
Je ne comprends donc pas. Si "l'algorithme d'optimisation génétique standard" est intégré dans l'optimiseur, comment un conseiller neuronal auto-apprenant peut-il utiliser cet algorithme "externe" à des fins d'auto-apprentissage ?
 
Yedelkin:
Je ne comprends donc pas. Si "l'algorithme d'optimisation génétique interne" est inséré dans l'optimiseur, comment un neuro-conseiller auto-apprenant peut-il utiliser cet algorithme "externe" à des fins d'auto-apprentissage ?
Le sens de l'interaction est inverse. Par analogie avec un conseiller expert ordinaire, il existe un optimiseur qui tire la "boîte noire" de l'EA (n'importe quel EA) par le biais de paramètres d'entrée. Si le conseiller expert est doté d'un réseau neuronal, il ne cesse pas pour autant d'être une "boîte noire". Seuls les paramètres optimisés sont un ensemble de poids de grille.
 
Yedelkin:
Je ne comprends donc pas. Si "l'algorithme d'optimisation génétique interne" est inséré dans l'optimiseur, comment un réseau neuronal auto-apprenant peut-il utiliser cet algorithme "externe" à des fins d'auto-apprentissage ?

Un réseau neuronal est, de manière simpliste, une fonction de la forme f[x1,x2,...,xn][w1,w2,...,wn], où x est l'information d'entrée (elle change et dépend de la situation du marché) et w les poids du réseau, des coefficients fixes (dans le contexte de cet article, les paramètres d'entrée) qui sont sélectionnés par optimisation dans le testeur.

Ainsi, s'il est nécessaire d'entraîner le réseau en mode en ligne, il ne sera pas possible d'utiliser l'optimiseur standard et il sera nécessaire d'utiliser un algorithme d'optimisation (qui devrait être intégré dans l'Expert Advisor).

 
marketeer:
Le sens de l'interaction est inverse. Par analogie avec un conseiller expert ordinaire, il existe un optimiseur qui tire les paramètres d'entrée de la "boîte noire" du conseiller expert (quel qu'il soit). Si le conseiller expert comporte un réseau neuronal, il ne cesse pas pour autant d'être une "boîte noire". Seuls les paramètres optimisés sont un ensemble de poids de grille.
Si tel est le cas, il n'y a pas d'auto-apprentissage des neuro-conseillers à proprement parler, et l'apprentissage s'appelle l'ajustement ordinaire des paramètres.
 
joo:  Ainsi, si vous devez former le réseau en ligne, vous ne pourrez pas utiliser l'optimiseur standard et vous devrez utiliser un algorithme d'optimisation (à intégrer dans l'Expert Advisor).
Oui, c'est le point que je voulais clarifier. Il s'avère que ce n'est que dans ce cas qu'un neuro-conseiller peut réellement être qualifié d'auto-apprentissage.
 
yu-sha: http://lancet.mit.edu/ga/ - Institut de technologie du Massachusetts
Merci à tous ! J'ai une idée approximative de la direction à prendre.
 


yu-sha: http://lancet.mit.edu/ga/ - Massachusetts Institute of Technology

Yedelkin:

Merci à tous ! Je comprends à peu près l'orientation.
Tous les outils nécessaires pour MQL5 sont déjà disponibles ici, sur le forum natif.
 
joo: Tous les outils nécessaires à MQL5 sont déjà disponibles ici, sur le forum natif.
C'est certain :) J'avais juste besoin de comprendre l'astuce de base.
 
Yedelkin:
Si c'est le cas, il n'y a pas d'auto-apprentissage des neuro-conseillers, et l'apprentissage s'appelle l'ajustement ordinaire des paramètres.
Croyez-vous naïvement que l'auto-apprentissage est un ajustement inhabituel ?
 

Reshetov:
А Вы наивно полагаете, что самообучение - это необычная подгонка?

Apprentissage en réseau = ajustement

Auto-apprentissage = auto-adaptation

1234567891011
Nouveau commentaire