記事"Neural Networks: From Theory to Practice"についてのディスカッション
原則的に、記事は悪くないです、すべてが明確で、明確で、棚に言うように......他のフォーラムを検索するのではなく、開始する場所があるとしましょう、それは、パート2,3......を続行する必要があります。
写真は多層NSを示して いますが、例は1つのニューロンを持つネットワークのみであるため、あなたは多層NSで動作する例が必要です - 記事の名前を変更するか、パート2を書いてください。
頑張ってください！
- www.mql5.com
しかし、ニューロンの "トレーニング "がどのように行われるのか、そしてそれがどれくらいの頻度でナノ化されるのか、よく理解できなかった。
しかし、ニューロンがどのように "トレーニング "され、どのくらいの頻度で行われるのか、私にはよく理解できなかった。
- www.mql5.com
- www.mql5.com
私はあなたを順番に応援します！！そして、私たちは次々と投稿していくでしょう )))))) 。
私は長い間ニューラルネットワークを扱っていました。ニューラルネットワークがどのように機能するのか理解できませんでした。数学的な仕組みは理解できましたし、例もたくさんありました。しかし、インターネットには特定のタスク（パターン認識や取引）のためのトレーニングの例しかなく、初歩的な（原始的で日常的な）例には出会えませんでした。
そして、NSの掛け算表をオンラインで教え、結果をComment()で画面に表示するスクリプトを自分で書いてみた。なんということでしょう・・・。NSがどのように学習するのか、本当に学習するのかがわかりました。記事の中で、例として2x2=4,1 2x3=5,9 ......のような例を示したらいいのに。9x9= 80.2 , しかし、11x2= 10.3 NSは11の乗算表を勉強していないので、ここでhowtoktotak )))))))
ZY：僕について：僕は勉強して、勉強して、奉仕して、働いて、結婚して、幸せに暮らして、同じ日に死んだ！
エントリーレベル向けの良い記事だ。
いい質問の仕方だ。
掛け算表はトレードとはあまり関係ないが、それでもネットワークは掛け算表を教えることができたのだろうか？
なぜネットワークは掛け算表を学べないのか、という疑問に答えることで、ネットワークにトレードを教える方法が理解できるかもしれない。
良い質問だ。
1.掛け算表はトレーディングとはあまり関係がないが、それでも、ネットワークに掛け算表を教えることは可能なのだろうか？
2.なぜネットワークは掛け算表を学べないのか？
3.ネットワークにトレードを教える方法を理解することができるだろう。
1.はい、NSは1x1から9x9までの掛け算表を教えられました。ビデオは小数点第2位までの結果を示しているようです。
2. ネットワークは9x9以上の掛け算表を学んでいない。
3.メタトレーダー5プラットフォーム用ニューラルネットワーク・エンジンのオープンソース・プロジェクトである「New Neural」の開発者にとっては、理解できるが、希望があったが、彼らが言うように「まだ何もない」（クリロフ）。多層NSのプロジェクトを開発するのは時間のかかる作業です。.dllを追加する方が簡単ですが、おそらく、純粋なmql5上では、NSパッケージ/ .dllの既製の実装と比較して、学習速度の損失があるでしょう。
SZY: MT5のトピックで、マルチレイヤーNSの組み込み実装の希望を聞くことができますが、開発者の常として - 彼らはノーと答えるでしょう、それは提供されていません、そして半年で彼らはそのようなアップデートを発表するでしょう、私はすでに2回 "それを得た"：私は演算子のオーバーローディングとチャート上に描画するためのキャンバスを希望した)
ZYZY: NSの実験には、このようなインポートで十分です：
#import "fannmql.dll" void fannmql_build(string NN_config); // FANNニューラルネットワークを作成し、NN_configにニューロン層のプロパティを記述する。 // 区切り文字 ', .またはスペース void fannmql_unbuild(); // FANNニューラルネットワークを削除する double fannmql_train(double &input[],double &output[]); // FANNニューラルネットワークを学習し、実効値を返す void fannmql_run (double &input[],double &output[]); // ニューラルネットワークのFANNを計算する void fannmql_savetofile (string File_name); // ニューラルネットワークのFANNをファイルに保存する。 void fannmql_loadfromfile(string File_name); // ニューラルネットワークのFANNをファイルからロードする。 #import string s = "8-10-10-2"; 8入力、2隠れ層、各層10ニューロン、2出力 // NS double inp[8],out[2]; //________________________________________________ int init(){ fannmql_build(s); ..............しかし、どうやら、そのような関数をMT5の標準関数に組み込むのは、壮大で、実現が難しい問題らしい;))))
おそらく、なぜネットワークは掛け算表を学べないのかという疑問に答えることで、ネットワークにトレードを教える方法を理解することができるだろう。
最も興味深いのは、ネットワークが（広義の）掛け算表を教えられないということだ。もちろん、1*1から9*9までの掛け算を教えることはできる。
しかし、脳はこれらのステップを難なくこなす。- ここに知恵の宝庫があるのだ。ここを掘らなければならない。しかし、それは見かけほど単純ではない。人工知能の分野との境界線上にあり、それはまったく別の話なのだ......。
最も興味深いのは、このネットワークでは（広義の）掛け算表を教えることができないということだ。もちろん、1*1から9*9までの掛け算を教えることはできる。
しかし、脳はこれらのステップを難なくこなす。- これは知恵の宝庫であり、ここを掘る必要があるのだが、案外単純な話ではない。人工知能の分野との境界線にあり、これはまた別の話なのだが......。
figwamについては同意できない。
ニューラルネットワークは人工知能の分野ではないのですか？
このトピックを続けたいのであれば、「New Neural」- MetaTrader 5プラットフォーム用ニューラルネットワーク・エンジンのオープンソース・プロジェクトに 行くことをお勧めします。
あるいはプライベート・メッセージで。
最も興味深いのは、このネットワークでは（広義の）掛け算表を教えることができないということだ。もちろん、1*1から9*9までの掛け算を教えることはできる。
しかし、脳はこれらのステップを難なくこなしている。- ここに知恵の宝庫があり、私たちはここを掘る必要があるのだが、それは見かけほど単純ではなく、人工知能の分野と境界を接し、それはまた別の話なのだ......。
ユーラ・レシェトフは、NSに2*2=5という掛け算の表を教えることは可能であり、他のすべてのバリエーションは算術的に正しくなるとさえ書いている。それがフィッティングの本質なのだ。また、NSに1～9を教え、10～20を与えると、NSが嘘をつき始める理由についても、答えがある。ポイントは、ネットワークが正しく機能するのは、サンプル外のデータがトレーニングセットと同じ区間にある場合だけだということです。大雑把に言えば、入力は[1;9]の範囲になる。そして、NSに異なる範囲のデータを与えると、入力データは非定常となり、非定常は誤った答えを与えることになります。範囲[1;20]のサンプルで ネットワークを訓練し、同じ範囲の他の サンプルを与えてみると、あら不思議、本当にうまくいきます。テストしてみてください。
ここで私はテストしてみました。サンプルから外れてもうまくいく )
NSは掛け算表1-20を教えられた。訓練と訓練の停止はランダムに選ばれた例（サンプルサイズの1/3と1/3）で行われた。検証-サンプル数の残りの1/3、しかし最も重要なのは同じ範囲から。検証の結果はトレーニングサンプルと同様に良好である。誤差は+-0.1以内である。
重要なのは、NSがどのような関数でも学習し、それを成功させるということです。
- 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 Neural Networks: From Theory to Practice はパブリッシュされました:
今日、トレーダーはだれしもニューラルネットワークについて聞いたことがあり、それを使 うのがかっこいいということがわかっています。多数の人がニューラルネットワークを利用してディールを行える人はスーパーヒューマンだと思っています。本 稿ではニューラルネットワークのアーキテクチャを説明し、アプリケーションについて記述し、実用例を示していこうと思います。
ニューラルネットワークのコンセプト
人工的なニューラルネットワークのニューラルネットワークは学習能力において人間の神経組織をシミュレートする試みを基にした人工知能の研究分野の一つであり、それを適用することで人間の脳内処理のおおざっぱなシミュレーションを構築することができるものです。
十分興味をそそるものである人口ニューラルネットワークは人工ニューロンから作成されます。
作者: Dmitriy Parfenovich