スクリプト形式のニューラルネットワーク - ページ 3

新しいコメント
 
sprite:
kombat:
このスクリプトのロジックは、何か単純な4in2スクランブラーに似ていますね。

スクランブラは非訓練型システムです。

そして、このスクリプトのネットワークはティーチング可能です。そして、その学習過程がエポックからエポックへのダイナミクスで画面に表示される。

各層のニューロンの重みが変化し、学習するにつれてグリッドの精度が上がっていく様子がわかる。

上記は、同じアルゴリズムで学習した3つの投稿です。

という3つのデータセットを扱うことができます。

エンコーダーの場合、1つのデータセットに対して3つのエンコーダーが必要になる。

学習アルゴリズムに少し手を加えました。

第1に、遺伝的アルゴリズムの ようにニューロンの数を動的に変化させる。ただし、最適なものを選択することなく、また、ニューロンから世代を作成することもない。

2番目は、結果の精度が高くなった時点で学習を停止する。

 
YuraZ:

学習アルゴリズムを少し微調整しました

1) GENETIC ALGORITHMのようにニューロンの数を動的に変化させるが、最適なものを選択せず、それらから生成しない :-) 接続を修正しない

2-結果の精度が高くなった時点で学習を停止する。



そして、その確定版は一般に公開されないのですか？

 
YuraZ:
スプライト
コンバット
このスクリプトのロジックは、何か単純な4v2エンコーダーに似ています。

エンコーダは学習しないシステムです。

そして、このスクリプトでネットワークを学習させる。そして、その学習過程がエポックからエポックへのダイナミクスで画面に表示される。

各層のニューロンの重みが変化し、学習するにつれてグリッドの精度が上がっていく様子がわかる。

上記は、同じアルゴリズムで学習した3つの投稿です。

3つの異なるデータセットで動作するように .

エンコーダーの場合、1つのデータセットに対して3つのエンコーダーが必要になる。

学習アルゴリズムに少し手を加えました。

1) GENETIC ALGORITHMのようにニューロンの数を動的に変化させるが、最適なニューロンを選択したり、ニューロンから子孫を作ったりしない :-) 接続を修正しない。

高い精度の結果が得られた場合、2回目のトレーニング停止


さあ、行こう氷が割れた！？:))))

 
Vinin:
YuraZ:

学習アルゴリズムを少し微調整しました

1) GENETIC ALGORITHMのようにニューロンの数を動的に変化させるが、最適なものを選択せず、それらから生成しない :-) 接続を修正しない

2-結果の精度が高くなった時点で学習を停止する。



一般向けの最終版はあるのでしょうか？

もちろんです、見てみたいです。 もしかしたら、誰かが何かを追加してくれるかもしれませんね :)


正確さについては、それが目的ではないと思います。

目的は、学習終了時のネットワークがすべての学習セットを区別することである

自分たちの中で．そして、これは通常の精度で利用可能です。


実験が示すように、このネットワークはわずか300エポックの訓練で「考える」ことを学習することができます。

を上記のセットで使用します。はい、トレーニング中に視覚的に確認することができます。

ネットワークはすぐにデータセットを区別し始める。


また、Expert Advisorのニューロン数をテスト中に動的に変更する方法があると面白いですね。

で、このグリッドが組み込まれることになります。そして、MTオプティマイザでピックアップするニューロン数。

 
Topor:

どうやって価格を予測させるのか？

無理でしょう。ニューラルネットワークに奇跡を期待してはいけない。予測をするのはNSではなく、それに組み込まれたアルゴリズムであり、アルゴリズムは取引条件に基づいており、取引条件・・・。は、あなたによって決定されます。

 
sprite:
コンバット

反対はしないが、トレーディングにニューラルネットワークを 使うのはまだFORではない...。

同じく :)!!!

しかし、アルゴリズムは機能しており、学習しています :)そして、その先にあるのは...... :)


ネットワークへの関心は、EAがネットワークでチャンピオンシップを制したことでさらに高まっています。

もちろん、そこには別のネットワークがありました。しかし、その人は仕事をし、結果を得たのです。


問題は、どのネットワークかではなく、そこから何を得たいかということです。そして、その結果は、NSのおかげではなく、NSが構成し、一定の確率で予測した取引条件のおかげで得られたものである。NSは実際にはフィルターであり、適応性があるため（自己学習型NS）、（学習期間の）ラグがある。NSの利点は、TSのバラバラの成分を1つの結果にまとめ、それらの成分の有意比を独立して整理できることである（学習）。

 
Vinin:
YuraZ:

学習アルゴリズムを少し微調整しました

1) GENETIC ALGORITHMのようにニューロンの数を動的に変化させるが、最適なものを選択せず、それらから生成しない :-) 接続を修正しない

2-結果の精度が高くなった時点で学習を停止する。


改良版を一般に提供しないのですか？

ビクター、ありますよ。


ちなみに、予測精度は数倍になりました！問題は、アルゴリズムの学習に時間がかかりすぎることです:-)))

私はまだこの問題を解決していません - 私はコードを投稿することを確認してください

タイマーを使ったコードが懐かしい！MQL4にはないんです。

 
Xadviser:
トポール

どうやって価格を予測させるのか？

無理でしょう。ニューラルネットワークに奇跡を期待してはいけない。予後はNSによって与えられるのではなく、NSに組み込まれたアルゴリズムによって与えられる、アルゴリズムは取引条件に基づいている、取引条件・・・。は、あなたによって決定されます。

まともなアルゴリズムに出会ったことはありますか？

一言、二言で言えば......。

 
Xadviser:
トポール

どうやって価格を予測させるのか？

無理でしょう。ニューラルネットワークに奇跡を期待してはいけない。予測をするのはNSではなく、それに組み込まれたアルゴリズムであり、アルゴリズムは取引条件に基づいており、取引条件・・・。そして、その取引条件は、あなたによって定義されます。

達人は、価格ではなく、変化を予測するように助言します。

 
YuraZ:

正規化は必ずしも必要ではありません。グリッドは0と1でしか動作しない、あるいは動作しなければならないと誰が言ったのでしょうか？


例として簡単なグリッドを添付することができます（残念ながら、今手元に資料がありません）。

ここで、単純なNNは、正規化でデータ準備なしでこの問題を解決します。

出典はこちら


しかし、私が挙げた例！それはある種、すでに正規化されたものです

この条件には2つの範囲があります。


1 0-100

2 10-30


という、ある範囲での位置の比率を求めればよいのです。

つまり、これがスケーリングなのです。

ノーマライゼーションはほとんどの場合必要です。データは活性化関数の定義範囲内である必要があります。

スクリプトでは、シグモイドは [-1;+1] です。これを例えば指数関数に置き換えると......。または平方根。


http://www.statsoft.ru/home/portal/applications/NeuralNetworksAdvisor/Adv-new/ActivationFunctions.htm

12345678910...14
新しいコメント