기고글 토론 "신경망 네트워크: 이론에서 실전까지"
원칙적으로 기사는 나쁘지 않고 모든 것이 명확하고 명확하므로 선반에서 말하기 ..... 다른 포럼을 검색하지 않고 시작할 곳이 있다고 가정하지만 2 부,3 부를 계속해야합니다.....
그림은 다층 NS를 보여주기 때문에 다층 NS로 작업하는 예제가 필요하지만 예제는 하나의 뉴런이있는 네트워크에만 해당됩니다-기사 이름을 바꾸거나 2 부를 작성하십시오.
행운을 빕니다!
- www.mql5.com
기사가 좋고 소개가 공개되었습니다. 그러나 나는 뉴런의 "훈련"이 어떻게 일어나는지, 그리고 그것이 얼마나 자주 나노인지 잘 이해하지 못했습니다.
기사는 훌륭하고 소개는 다루고 있습니다. 그러나 뉴런이 어떻게 "훈련"되고 얼마나 자주 수행되는지 잘 이해하지 못했습니다.
- www.mql5.com
- www.mql5.com
차례로 응원하겠습니다 !!! 그리고 차례로 게시하겠습니다 )))))).
나는 오랫동안 신경망을 다루고있었습니다-그들이 어떻게 작동하는지 이해할 수 없었고, 수학적 장치를 이해하고, 많은 예가 있지만, 인터넷에는 특정 작업 (패턴 인식, 거래)에 대한 훈련 예만 있었고, 어떤 포럼에서 죄 (x)...... 훈련 예제를 만날 때까지 초등 (원시적, 일상적) 예제를 만나지 못했기 때문에 오랫동안 훈련이 필요한 이유와 그것이 무엇을 제공하는지 이해할 수 없었습니다.
그런 다음 온라인으로 NS 구구단을 가르치는 스크립트를 직접 작성하고 Comment()를 사용하여 결과를 화면에 인쇄하고 .... 오, 이런... 나는 행복해서 눈물이 났고, NS가 원하는 결과를 얻기 위해 건조한 공식이 아니라 실제로 배우는 방법을 보았습니다. 기사에 예를 들어 2x2=4,1 2x3=5,9 ..... 9x9 = 80,2 , 그러나 11x2 = 10,3 11 NS의 곱셈 테이블이 공부하지 않았기 때문에 여기에 howtoktotak ))))))
ZY : 나에 대해 : 나는 공부하고, 공부하고, 봉사하고, 일하고, 결혼하고, 행복하게 살고 , 같은 날에 죽었고, 아직 죽지 않을 것입니다- 아직 끝나지 않은 사업이 있습니다 !!!!
입문자를 위한 좋은 기사, 후속 조치도 부탁드립니다.
그것은 질문을 넣는 좋은 방법입니다.
구구단은 거래와 거의 관련이 없지만 네트워크가 구구단을 가르 칠 수 있었는지 궁금합니다.
아마도 네트워크가 구구단을 배울 수 없는 이유에 대한 질문에 답함으로써 네트워크에 트레이딩을 가르치는 방법에 대한 이해가 있을 것입니다.
좋은 질문입니다.
1.구구단은 트레이딩과 거의 관련이 없지만 네트워크에 구구단을 가르치는 것이 가능한지 궁금합니다.
2.아마도 질문에 답함으로써 네트워크가 구구단을 배울 수 없는 이유는 무엇일까요?
3. 네트워크에 거래를 가르치는 방법에 대한 이해가있을 것입니다.
1. 예, NS는 1x1에서 9x9까지 구구단을 배웠으며, 비디오는 소수점 둘째 자리까지 결과를 보여주는 것 같습니다.
2. 네트워크는 구구단을 9x9 이상으로 배우지 않았습니다. 이는 놀라운 일이 아닙니다. 아무도 그것을 가르치지 않았으며 올바른 결과와의 우연은 무작위입니다.
3. 이해가 있지만 "새로운 신경" 의 개발자에게는 희망이있었습니다 - MetaTrader 5 플랫폼 용 신경망 엔진의 오픈 소스 프로젝트이지만 "그리고 아직 아무것도 없다"(Krylov)라고 말했듯이. 다층 NS 프로젝트를 개발하는 것은 노동 집약적 인 작업입니다. .dll 을 추가하는 것이 더 쉽지만, 아마도 순수한 mql5에서는 기성품 NS 패키지 / .dll 구현에 비해 훈련 속도가 손실 될 수 있습니다.
SZY : MT5에서 다층 NS의 내장 구현을 원하는 주제에서 물어볼 수 있지만 개발자와 마찬가지로 아니오라고 대답하고 제공되지 않으며 6 개월 안에 그러한 업데이트를 발표 할 것입니다. 이미 두 번 "가져 왔습니다": 작업자 과부하와 차트에 그리기위한 캔버스를 원했습니다 :)
ZYZY : NS를 사용한 실험을 위해 저에게는 그러한 가져 오기로 충분합니다:
#import "fannmql.dll" void fannmql_build(string NN_config); // 뉴런 레이어의 속성인 FANN 신경망을 NN_config에 생성합니다. // 구분 기호를 사용할 수 있습니다: ', . ; -' 또는 공백 void fannmql_unbuild(); // FANN 신경망을 삭제합니다. double fannmql_train(double &input[],double &output[]); // FANN 신경망 훈련, RMS 값 반환 void fannmql_run (double &input[],double &output[]); // 신경망의 FANN을 계산합니다. void fannmql_savetofile (string File_name); // 신경망의 FANN을 파일에 저장하기 void fannmql_loadfromfile(string File_name); // 파일에서 신경망의 FANN 로드하기 #import string s = "8-10-10-2"; // 8개의 입력, 각 레이어에 10개의 뉴런으로 구성된 2개의 숨겨진 레이어, 2개의 출력이 있는 NS double inp[8],out[2]; //________________________________________________ int init(){ fannmql_build(s); ..............그러나 분명히 그러한 함수를 MT5 표준 함수로 구축하는 것은 웅장하고 실현하기 어려운 문제입니다;)))))
"네트워크가 구구단을 배울 수 없는 이유는 무엇인가?"라는 질문에 답하면 네트워크에 트레이딩을 가르치는 방법을 이해할 수 있을 것입니다.
가장 흥미로운 점은 네트워크가 구구단을 (넓은 의미에서) 배울 수 없다는 것입니다. 즉, 물론 1 * 1에서 9 * 9까지의 곱셈을 가르친 다음 ... Repin의 그림- "그림 당신"을 가르 칠 수 있습니다.
그러나 뇌는 이러한 단계를 어려움없이 수행하는데 그 이유는 무엇입니까? - 이것은 지혜의보고가있는 곳이며 여기에서 파야하지만보기만큼 간단하지 않습니다-그것은 인공 지능 분야에 접해 있으며 완전히 다른 이야기입니다....
가장 흥미로운 점은 네트워크에 구구단을 가르 칠 수 없다는 것입니다 (넓은 의미에서). 즉, 물론 1 * 1에서 9 * 9까지의 곱셈을 가르 칠 수 있습니다. 그리고 나서... Repin의 그림- "그림 당신"입니다.
그러나 뇌는 이러한 단계를 어려움없이 수행하는데 왜 그럴까요? - 이것은 지혜의보고이며, 우리는 여기서 파헤쳐 야하지만보기만큼 간단하지 않습니다-인공 지능 분야와 접해 있으며 이것은 다른 이야기입니다....
나는 무화과에 대해 동의하지 않습니다.
인공 지능 분야의 신경망이 아닌가요?
이 주제를 계속하고 싶다면 여기로 이동하는 것이 좋습니다 "새로운 신경" - MetaTrader 5 플랫폼 용 신경망 엔진의 오픈 소스 프로젝트.
또는 개인 메시지를 통해 여기에서 중복 될 것이라고 생각합니다.
가장 흥미로운 점은 네트워크에 구구단을 가르 칠 수 없다는 것입니다 (넓은 의미에서). 즉, 물론 1 * 1에서 9 * 9까지의 곱셈을 가르 칠 수 있습니다. 그리고 나서... Repin의 그림- "그림 당신"입니다.
그러나 뇌는 이러한 단계를 어려움없이 수행하는데 왜 그럴까요? - 이것은 지혜의보고가있는 곳이며, 우리는 여기서 파헤쳐 야하지만보기만큼 간단하지 않습니다-그것은 인공 지능 분야에 접해 있으며 그것은 다른 이야기입니다....
유라 레셰 토프는 심지어 2 * 2 = 5 인 구구단을 NS에게 가르치는 것이 가능하며 다른 모든 변형은 산술 적으로 정확할 것이라고 썼습니다. 그건 그렇고, 그것이 피팅의 본질입니다. 그리고 1-9를 가르치고 10-20을 먹이면 NS가 거짓말을 시작하는 이유에 대한 답도 있습니다. 요점은 표본 외 데이터가 훈련 세트와 동일한 간격에 있는 경우에만 네트워크가 올바르게 작동할 수 있다는 것입니다. 대략적으로 말하면, 입력은 [1;9] 범위에 있을 것입니다. 그런 다음 NS 데이터에 다른 범위의 데이터를 제공하면 입력 데이터가 비고정적이 되고 비고정성은 잘못된 답변을 제공하게 됩니다. 1;20] 범위의 샘플로 네트워크를 훈련시킨 다음 같은 범위의 다른 샘플을 제공하면 놀랍게도 실제로 작동합니다. 테스트해 볼 수 있습니다.
여기에서 테스트해 보았습니다. 샘플에서 잘 작동합니다.)
NS에게 구구단 1-20을 학습시켰습니다. 훈련 및 훈련 중지는 무작위로 선택된 예제(샘플 크기의 1/3 및 1/3)에서 수행되었습니다. 검증 - 샘플 크기의 나머지 1/3, 그러나 가장 중요한 것은 동일한 범위에서 수행되었습니다. 검증 결과는 훈련 샘플과 마찬가지로 우수합니다. 오차는 +-0.1 이내입니다.
요점은 NS가 아시다시피 모든 함수를 학습하고 성공적으로 수행한다는 것입니다. 가장 중요한 것은 샘플 외 데이터의 범위가 훈련 범위 내에 있어야한다는 것입니다.
새로운 기고글 신경망 네트워크: 이론에서 실전까지 가 게재되었습니다:
요즘, 모든 거래자들은 신경망에 대해 들어봤을 것이고, 신경망을 사용하는 것이 얼마나 멋진지 알고 있을 것입니다. 대다수는 신경망을 다룰 수 있는 사람들이 일종의 초인적인 존재라고 믿습니다. 이 기사에서는 신경 네트워크 아키텍처를 설명하고, 그 적용 사례를 설명하며, 실제 사용 사례를 보여 드리겠습니다.
인공지능 연구의 한 분야로, 인공지능은 인간의 신경계를 학습하고 적응하는 능력에서 시뮬레이션하려는 시도를 바탕으로 하고 있습니다. 그러면 인간의 뇌 작동에 대한 매우 대략적인 시뮬레이션을 만들 수 있을 것입니다.
신기하게도 인공 신경망은 인공 뉴런으로 이루어져 있습니다.
작성자: Dmitriy Parfenovich