記事「行列ユーティリティ - 行列とベクトルの標準ライブラリの機能を拡張する」についてのディスカッション
記事をありがとう。
MetatreaderでNNベースのEAをトレーニングするのは大変でした。
メタトレーダー・オプティマイザーのトレーニング・エージェントが読み込むために、重みとバイアスをCSVファイルに書き込もうとしたのですが、100以下のステップで止まってしまいます。
このような数の変数をトレーニングする方法をご存知ですか？
adicahyanto #:
記事にしてくれてありがとう。
MetatreaderでNNベースのEAをトレーニングするのは難しいですね。
メタトレーダー・オプティマイザーのトレーニング・エージェントが読み込むために、重みとバイアスをCSVファイルに書き込もうとしたのですが、100以下のステップで止まってしまいます。
このような数の変数をトレーニングする方法をご存知ですか？
テスターの高速遺伝的アルゴリズムを使用している場合は、報酬の設定方法によって「動機」が異なるので注意が必要です。
Msigwa氏が言ったように、逆伝播でネットを訓練するのが望ましい。より多くの重みを訓練することができ、ネットワークの報酬は "正確さ "の向上だけである。
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
新しい記事「行列ユーティリティ - 行列とベクトルの標準ライブラリの機能を拡張する」はパブリッシュされました:
行列は大規模な数学的演算を効率的に処理できるため、機械学習アルゴリズムや一般的なコンピュータの基盤となっています。標準ライブラリは必要なものをすべて備えていますが、ユーティリティファイルでライブラリにはまだないいくつかの関数を導入して、拡張する方法を見てみましょう。
多層パーセプトロンは、入力層に脚の高さと胴体の直径を表す2つの入力ノード/ニューロン、出力層に犬、猫、ネズミの3つの結果を表す3つのノードを有します。
このMLPに高さと直径でそれぞれ12と20の値を入力すると、ニューラルネットワークはこれを犬であると分類するはずですよ。ワンホットエンコーディングがおこなうことは、指定された学習データセットの正しい値を持つノードに1の値を配置することです。この場合、犬のノードに1の値が配置され、残りは0の値を持ちます。
残りの値はゼロなので、モデルが与えた確率のそれぞれに、ホットエンコードされたベクトルの値を代入することで、コスト関数を計算することができます。このエラーは、前の層のそれぞれの前のノードでネットワークに伝播されます。
作者: Omega J Msigwa