"New Neural "は、MetaTrader 5プラットフォーム用のオープンソース・ニューラルネットワークエンジンプロジェクトです。 - ページ 9 12345678910111213141516...100 新しいコメント Mykola Demko 2011.10.19 19:55 #81 TheXpert です。そんなはずはないのです。レイヤーごとに異なるタイプ。言っとくけど、各ニューロンを別々のレイヤーにすることだってできるんだぜ。バッファについてですが、一例を挙げます。家に帰らせてください。層は、1回の反復で互いに独立したニューロンの組合わせ である。 誰がありえないと言った、しかし私はそうしたい、しかしあなたは私の翼を切っている:o)人は何を思いつくかわからないもので、「1つの層のすべてのニューロンは同じ数の入力を持つべきだ」と教えてあげましょう。そうでなければ、何かを結びつけるためにシェーディングが必要なアルゴリズム（インターネット上にたくさんある）がたくさん出てくるだけだ。SZY もしすべてのニューロンが別々のレイヤーを持っていたら、アルゴリズムはどのくらい難しくなるでしょうか？ 削除済み 2011.10.20 01:57 #82 TheXpert です。 誰か、図やクソのオンラインドローイングソフトウェアをアドバイスしてください。Google Docsにはドローイングがあり、それを共有することができます。1日1時間以内であれば、絵を描くアルバイトもできます。 --- 2011.10.20 08:29 #83 TheXpert です。私にとっては、実装されたネットワークのうち、4つが興味深いものです。1.SOMを含むコウホネンネットワーク。何を見ればいいのかわからないクラスタパーティションに使うのが良い。ベクトルを入力、ベクトルを出力、あるいはそれ以外のグループ化された出力というトポロジーはよく知られていると思います。学習は、先生と一緒でもいいし、いなくてもいい。2.MLP，その最も一般的な形態，すなわち，フィードバックの存在を伴うグラフとして編成された任意の層集合を持つもの．非常に広く使われています。3.再循環ネットワーク。正直なところ、ノンリニアの実装でうまく機能しているものを見たことがない。情報圧縮や主成分抽出（PCA）などに利用されています。最も単純な線形形態では、両側から信号が伝搬できる線形2層ネットワークとして表現されます（展開された形態では3層）。 4.エコーネットワークMLPと原理が似ており、そちらにも応用されている。しかし、構成が全く異なり、学習時間がきちんと決められています（まあ、それとは違って常にグローバルミニマムを生成するのですが）。5.PNN -- 使ったことがないので、わかりません。でも、そういう人を見つけると思うんです。6.ファジー論理のモデル（確率的ネットワークと混同しないように）。未実施。しかし、役に立つかもしれない。もし誰かが情報を見つけたら、plzを投げる。ほとんどの機種が日本人の作者です。ほとんどすべて手動で構築していますが、もし論理式による トポロジー構築を自動化できたら（記憶が正しければ）、非現実的なほどクールなものになるでしょうね。+ ニューロン数の進化的増加に伴う＋ネットワーク、またはその逆。+ 遺伝子アロリズム + 学習加速度法。こんな小さな分類がありました。 TheXpert 2011.10.20 09:27 #84 セルゲイ+ 遺伝子アロリズム ジェネティクスは余分なリソースが多い。勾配アルゴリズムの方が良い。 --- 2011.10.20 09:30 #85 TheXpert です。 遺伝は、余分なリソースを大量に消費します。勾配アルゴリズムの方が良い。なぜ、ユーザーのために必要なものを決めるのか？選択肢を与えなければならないのです。例えば、PNNも多くのリソースを消費する。ライブラリは、ウェブで見つけられる標準的なバックプロパゲーションセットではなく、解のバリエーションを見つけることができる、普遍的で広大なものであるべきです。 TheXpert 2011.10.20 09:33 #86 ウラン です。層は、1回の反復で互いに独立したニューロンの組合わせ である。何が言いたいんだ？人はどんなことを思いつくかわからないから、「層の中のすべてのニューロンは同じ数の入力を持つべきだ」と教えてあげましょう。各ニューロンには1つの入力と1つの出力があります。 同じ層のニューロンであっても、すべてのタイプと接続は異なる可能性があります。これを考慮しなければ、何かを接続するために形を整える必要がある、たくさんのアルゴリズム（インターネット上にたくさんあります）を得るだけになってしまいます。まず第一に、私は完成していません。2つ目は、ルールを見ること。批判は後回し。モデル全体を見ずに、批判を始める。それは困りますね。SZY もしすべてのニューロンが別々のレイヤーを持っていたら、アルゴリズムはどのくらい難しくなるでしょうか？何のためのアルゴリズム？学習や機能のスピードが遅くなるだけです。ウラン です。また、「バッファー」とは一体どのような存在なのでしょうか？バッファとは、シナプスと神経細胞が通信するための実体である。もう一度言いますが、私のモデルは生物学的なものとは非常に異なります。_____________________昨日は完成しなくてすみませんでした。インターネット料金を払うのを忘れて、切断された :) 削除済み 2011.10.20 09:37 #87 ウライン： 層は、1回の繰り返しで互いに独立したニューロンの連合体 である。誰がありえないと言った、しかし私はそうしたい、しかしあなたは私の翼を切っている:o)人が何を思いつくかわかりませんが、ある層のすべてのニューロンは同じ数の入力を持つべきであると言うことができます。そうでなければ、たくさんのアルゴリズム（インターネットにはたくさんのアルゴリズムがある）を手に入れ、その中から接続するものを探さなければならないのです。SZY もしすべてのニューロンが別々のレイヤーを持っていたら、アルゴリズムはどのくらい難しくなるでしょうか？理論的には可能でしょうが、実際にはそのようなことに遭遇したことはありません。はじめてのアイデアでも私は、純粋に実験的な目的のために、あなたはその実装について考えることができると思います、プロジェクトの 枠組みの中で "モトリー "層の実装は、おそらく人件費と実装効率の面で最高のアイデアではありません。個人的には好きなアイデアですが、少なくともそのような可能性は議論する価値があるかもしれません。 。 TheXpert 2011.10.20 09:40 #88 セルゲイなぜ、ユーザーのために必要なものを決めるのか？?遺伝は学習法 である。正しいのは、学習アルゴリズムを隠して、最初に最適なものを選択することだと思います。 --- 2011.10.20 09:46 #89 TheXpert です。?遺伝は学習法 である。学習アルゴリズムが埋もれてしまい、最適なものをあらかじめ選択しておくのが最も正しいイミフです。NSとの連携は、トポロジーの選択だけなのでしょうか？トレーニング方法も重要な役割を担っています。トポロジーと学習は密接に関係しています。すべてのユーザーにイメトレがあるのだから、意思決定の半分を奪ってしまってはダメだ。プリセットにとらわれないネットワークビルダーを 作る必要があります。そして、できるだけ普遍的なものを。 削除済み 2011.10.20 09:50 #90 セルゲイライブラリは普遍的で広大なものであるべきで、ソリューションのバリエーションへの扉を開き、とにかくウェブで見つけることができるバックプロパゲーションの標準セットにはないものであるべきです。 セルゲイNSとの連携は、トポロジーの選択だけなのでしょうか？トレーニング方法も重要な役割を担っています。トポロジーと学習は密接に関係しています。すべてのユーザーにイマドキの人がいるのだから、半分くらいは自分で判断してもいいんじゃない？プリセットにとらわれないネットワークビルダーを 作る必要があります。そして、できるだけ普遍的なものを。 これには全く同感です。 12345678910111213141516...100 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
そんなはずはないのです。レイヤーごとに異なるタイプ。言っとくけど、各ニューロンを別々のレイヤーにすることだってできるんだぜ。
バッファについてですが、一例を挙げます。家に帰らせてください。
層は、1回の反復で互いに独立したニューロンの組合わせ である。
誰がありえないと言った、しかし私はそうしたい、しかしあなたは私の翼を切っている:o)
人は何を思いつくかわからないもので、「1つの層のすべてのニューロンは同じ数の入力を持つべきだ」と教えてあげましょう。
そうでなければ、何かを結びつけるためにシェーディングが必要なアルゴリズム（インターネット上にたくさんある）がたくさん出てくるだけだ。
SZY もしすべてのニューロンが別々のレイヤーを持っていたら、アルゴリズムはどのくらい難しくなるでしょうか？
誰か、図やクソのオンラインドローイングソフトウェアをアドバイスしてください。
Google Docsにはドローイングがあり、それを共有することができます。
1日1時間以内であれば、絵を描くアルバイトもできます。
私にとっては、実装されたネットワークのうち、4つが興味深いものです。
1.SOMを含むコウホネンネットワーク。何を見ればいいのかわからないクラスタパーティションに使うのが良い。ベクトルを入力、ベクトルを出力、あるいはそれ以外のグループ化された出力というトポロジーはよく知られていると思います。学習は、先生と一緒でもいいし、いなくてもいい。
2.MLP，その最も一般的な形態，すなわち，フィードバックの存在を伴うグラフとして編成された任意の層集合を持つもの．非常に広く使われています。
3.再循環ネットワーク。正直なところ、ノンリニアの実装でうまく機能しているものを見たことがない。情報圧縮や主成分抽出（PCA）などに利用されています。最も単純な線形形態では、両側から信号が伝搬できる線形2層ネットワークとして表現されます（展開された形態では3層）。
4.エコーネットワークMLPと原理が似ており、そちらにも応用されている。しかし、構成が全く異なり、学習時間がきちんと決められています（まあ、それとは違って常にグローバルミニマムを生成するのですが）。
5.PNN -- 使ったことがないので、わかりません。でも、そういう人を見つけると思うんです。
6.ファジー論理のモデル（確率的ネットワークと混同しないように）。未実施。しかし、役に立つかもしれない。もし誰かが情報を見つけたら、plzを投げる。ほとんどの機種が日本人の作者です。ほとんどすべて手動で構築していますが、もし論理式による トポロジー構築を自動化できたら（記憶が正しければ）、非現実的なほどクールなものになるでしょうね。
+ ニューロン数の進化的増加に伴う＋ネットワーク、またはその逆。
+ 遺伝子アロリズム + 学習加速度法。
こんな小さな分類がありました。
+ 遺伝子アロリズム
遺伝は、余分なリソースを大量に消費します。勾配アルゴリズムの方が良い。
なぜ、ユーザーのために必要なものを決めるのか？選択肢を与えなければならないのです。例えば、PNNも多くのリソースを消費する。
ライブラリは、ウェブで見つけられる標準的なバックプロパゲーションセットではなく、解のバリエーションを見つけることができる、普遍的で広大なものであるべきです。
層は、1回の反復で互いに独立したニューロンの組合わせ である。
何が言いたいんだ？
人はどんなことを思いつくかわからないから、「層の中のすべてのニューロンは同じ数の入力を持つべきだ」と教えてあげましょう。
各ニューロンには1つの入力と1つの出力があります。
同じ層のニューロンであっても、すべてのタイプと接続は異なる可能性があります。これを考慮しなければ、何かを接続するために形を整える必要がある、たくさんのアルゴリズム（インターネット上にたくさんあります）を得るだけになってしまいます。
まず第一に、私は完成していません。2つ目は、ルールを見ること。批判は後回し。モデル全体を見ずに、批判を始める。それは困りますね。
SZY もしすべてのニューロンが別々のレイヤーを持っていたら、アルゴリズムはどのくらい難しくなるでしょうか？
何のためのアルゴリズム？学習や機能のスピードが遅くなるだけです。
また、「バッファー」とは一体どのような存在なのでしょうか？
バッファとは、シナプスと神経細胞が通信するための実体である。もう一度言いますが、私のモデルは生物学的なものとは非常に異なります。
_____________________
昨日は完成しなくてすみませんでした。インターネット料金を払うのを忘れて、切断された :)
層は、1回の繰り返しで互いに独立したニューロンの連合体 である。
誰がありえないと言った、しかし私はそうしたい、しかしあなたは私の翼を切っている:o)
人が何を思いつくかわかりませんが、ある層のすべてのニューロンは同じ数の入力を持つべきであると言うことができます。
そうでなければ、たくさんのアルゴリズム（インターネットにはたくさんのアルゴリズムがある）を手に入れ、その中から接続するものを探さなければならないのです。
SZY もしすべてのニューロンが別々のレイヤーを持っていたら、アルゴリズムはどのくらい難しくなるでしょうか？
理論的には可能でしょうが、実際にはそのようなことに遭遇したことはありません。はじめてのアイデアでも
私は、純粋に実験的な目的のために、あなたはその実装について考えることができると思います、プロジェクトの 枠組みの中で "モトリー "層の実装は、おそらく人件費と実装効率の面で最高のアイデアではありません。
個人的には好きなアイデアですが、少なくともそのような可能性は議論する価値があるかもしれません。
。
なぜ、ユーザーのために必要なものを決めるのか？
?遺伝は学習法 である。正しいのは、学習アルゴリズムを隠して、最初に最適なものを選択することだと思います。
?遺伝は学習法 である。学習アルゴリズムが埋もれてしまい、最適なものをあらかじめ選択しておくのが最も正しいイミフです。
NSとの連携は、トポロジーの選択だけなのでしょうか？トレーニング方法も重要な役割を担っています。トポロジーと学習は密接に関係しています。
すべてのユーザーにイメトレがあるのだから、意思決定の半分を奪ってしまってはダメだ。
プリセットにとらわれないネットワークビルダーを 作る必要があります。そして、できるだけ普遍的なものを。
セルゲイ
ライブラリは普遍的で広大なものであるべきで、ソリューションのバリエーションへの扉を開き、とにかくウェブで見つけることができるバックプロパゲーションの標準セットにはないものであるべきです。
NSとの連携は、トポロジーの選択だけなのでしょうか？トレーニング方法も重要な役割を担っています。トポロジーと学習は密接に関係しています。
すべてのユーザーにイマドキの人がいるのだから、半分くらいは自分で判断してもいいんじゃない？
プリセットにとらわれないネットワークビルダーを 作る必要があります。そして、できるだけ普遍的なものを。