Discussione sull’articolo "Reti neurali: dalla teoria alla pratica" - pagina 3

Nuovo commento
 

marketeer:

Yedelkin: Cioè, per un neuro-consulente a tutti gli effetti (autoapprendimento) è necessario incorporare l'"algoritmo di ottimizzazione genetica standard" nel codice del programma?

No, certo che no! È per questo che è standard, perché è già incorporato nell'ottimizzatore. Ottimizza i pesi della griglia da solo.
Allora non capisco. Se l'"algoritmo di ottimizzazione genetica standard" è incorporato nell'ottimizzatore, come può un consulente neurale ad autoapprendimento utilizzare questo algoritmo "esterno" per l'autoapprendimento?
 
Yedelkin:
Allora non capisco. Se l'"algoritmo di ottimizzazione genetica interno" è inserito nell'ottimizzatore, come può un neuro-consigliere autoapprendente utilizzare questo algoritmo "esterno" per l'autoapprendimento?
La direzione dell'interazione è opposta. Per analogia con un normale Expert Advisor, c'è un ottimizzatore che agisce sulla "scatola nera" dell'EA (qualsiasi EA) in base ai parametri di input. Se nell'Expert Advisor è presente una rete neurale, questa non cessa di essere una "scatola nera". Solo i parametri ottimizzati sono un insieme di pesi della griglia.
 
Yedelkin:
Allora non capisco. Se l'"algoritmo di ottimizzazione genetica interno" viene inserito nell'ottimizzatore, come può una rete neurale ad autoapprendimento utilizzare questo algoritmo "esterno" per l'autoapprendimento?

Una rete neurale è semplicisticamente una funzione della forma f[x1,x2,...,xn][w1,w2,...,wn], dove x è l'informazione di input (che cambia e dipende dalla situazione del mercato) e w sono i pesi della rete, coefficienti fissi (nel contesto di questo articolo parametri di input) che vengono selezionati tramite ottimizzazione nel tester.

Pertanto, se è necessario addestrare la rete in modalità online, non sarà possibile utilizzare l'ottimizzatore standard e sarà necessario utilizzare un algoritmo di ottimizzazione (che dovrebbe essere integrato nell'Expert Advisor).

 
marketeer:
La direzione dell'interazione è opposta. Per analogia con un normale Expert Advisor - c'è un ottimizzatore che tira i parametri di ingresso della "scatola nera" dell'Expert Advisor (qualsiasi). Se nell'Expert Advisor è presente una rete neurale, questa non cessa di essere una "scatola nera". Solo i parametri ottimizzati sono un insieme di pesi della griglia.
Se questo è il caso, non si può parlare di autoformazione dei neuroconsiglieri e la formazione si chiama adattamento ordinario dei parametri.
 
joo:  Quindi, se avete bisogno di addestrare la rete online, non potrete utilizzare l'ottimizzatore standard e dovrete utilizzare un algoritmo di ottimizzazione (da integrare nell'Expert Advisor).
Sì, questo è il punto che volevo chiarire. Si scopre che solo in questo caso un neuro-advisor può davvero essere definito un sistema di autoapprendimento.
 
yu-sha: http://lancet.mit.edu/ga/ - Istituto di Tecnologia del Massachusetts
Grazie a tutti! Ho un'idea di massima della direzione.
 


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

Yedelkin:

Grazie a tutti! Ho capito la direzione a grandi linee.
Tutti gli strumenti necessari per MQL5 sono già disponibili qui, sul forum nativo.
 
joo: Tutti gli strumenti necessari per MQL5 sono già disponibili qui, sul forum nativo.
Questo è certo :) Avevo solo bisogno di capire il trucco di base.
 
Yedelkin:
Se è così, allora non c'è autoformazione dei neuroconsiglieri. E la formazione si chiama adattamento ordinario dei parametri.
Credete ingenuamente che l'autoformazione sia un adattamento insolito?
 

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

Apprendimento in rete = adattamento

Autoapprendimento = autoadattamento

1234567891011
Nuovo commento