인구를 늘리는 것이 좋습니까? 어렵지 않다면 약간의 실험을 해보세요. 200명의 개인과 25명의 개인에 대한 간단한 작업(시간, 인구 수)을 훈련하는 데 얼마나 걸립니까? 나머지는 그대로 두겠습니다. 이 시점에서 나는 전혀 실험하지 않았습니다.
아, 제 200인분에 대한 질문이던가요? 그냥 물음표가 없어서 이해를 못했어요.
내 네트워크: 400-600-200. 총 360800개의 가중치.
예, 인구를 늘리는 것이 좋습니다.
실험을 위해. 나는 인구의 개인 수로 꽤 많은 것을 실험했습니다. 그리고 추가 실험에 시간을 낭비하고 싶지 않습니다. 대답은 명확하지 않았습니다. 많은 것은 GA 알고리즘과 어떤 종류의 중지 기준이 사용되는지에 따라 다릅니다. 대부분의 시간이 피트니스 함수 자체(ff)에 소비되고 순수 GA 알고리즘의 실행 시간은 무시할 수 있다는 것은 분명합니다. 따라서 ff 발사 횟수를 줄이는 것이 합리적입니다. 이것은 다양한 방법으로 달성할 수 있습니다. 그리고 가장 간단한 방법은 인구의 개인 수를 파악하는 것입니다.
1000개 정도의 많은 개인을 취하면 Epoch 수를 전달하는 측면에서 가장 빠른 개인을 찾을 수 있지만 피트니스 함수는 1000 * n 번 실행됩니다. 여기서 n은 epoch 수입니다. 좋지 않은 것 - 매우 오랜 시간이 걸립니다.
인구에서 너무 적은 수의 개인(예: 10-25)을 취하면 인구에 검색할 유전자 풀이 충분하지 않고 검색 시간이 증가합니다. 이는 다시 ff 발사 수가 증가하기 때문입니다.
가장 좋은 선택은 인구 200명이라고 생각합니다.
한 가지 더 추천하고 싶습니다. 각 시대의 최고의 개인을 포함하는 추가 인구를 얻으십시오(저는 이것을 "시대 유전자 풀" 또는 GE라고 부릅니다). 건널 때 현재 인구와 GE에서 개인을 가져옵니다. 따라서 ff 발사 횟수가 대폭 줄어듭니다. 이 기술을 엘리트 선택과 혼동하지 마십시오.
1000개 정도의 많은 개인을 취하면 Epoch 수를 전달하는 측면에서 가장 빠른 개인을 찾을 수 있지만 피트니스 함수는 1000 * n 번 실행됩니다. 여기서 n은 epoch 수입니다. 좋지 않은 것 - 매우 오랜 시간이 걸립니다.
인구에서 너무 적은 수의 개인(예: 10-25)을 취하면 인구에 검색할 유전자 풀이 충분하지 않고 검색 시간이 증가합니다. 이는 다시 ff 발사 수가 증가하기 때문입니다.
가장 좋은 선택은 인구 200명이라고 생각합니다.
고맙습니다. 매우 상세합니다. 원칙적으로 예, 이미 다른 매개변수로 알고리즘을 여러 번 실행한 경우 결과를 사용합니다. 그래서 200... 글쎄, 그렇게 하자. 그럼 다음 순간. 우리는 수익성있는 "fenki"(양초와 지표의 조합)를 찾아야하며 눈이 아니라 퍼셉트론으로 찾고 있습니다. 우리를 위해 선형으로 분리 가능한 그룹을 만들도록 하십시오. 검색 기준 이익 => 최대. 사용자의 요청에 따라 중지합니다. 그런 다음 저울을 분석하고 "fenki"를 식별합니다. 그런 다음 일반 지표와 거래 시스템. 꽤 어렵지만 언뜻보기에는. 저울을 선택하는 것은 매우 흥미롭습니다(적어도 저에게는). Question :) 양초+지표(옵션)로 5년동안 개인별로 히스토리를 운영해야 하고, 인구당 200개씩 있습니다. 이것은 엄청난 자원 소비이며 언제 멈출지 알 수 없습니다. 문제를 재구성하거나 다른 방법으로 이 구성의 가장 중요한 속성인 기계에 의한 "재미있는" 감지를 보존해 보겠습니다.
모두 나와 교배했다고 내가 어디에 썼지? ...
->
IlyaA 작성 >>
네, 네트워크는 첫 번째 단계에서 완전히 연결되거나 컨볼루션 네트워크의 유형으로 연결되지만 많은 계층이 있습니다). 그리고 이 모든 행복에 10을 곱하고 짝짓기를 시작합니다. 모든 사람은 계산되어야 합니다. 우리는 10x가 있습니다.
IlyaA 작성 >>
XOR에 대해 읽어 보셨습니까?
그리드 구조(200개의 인스턴스가 있음)를 확장합니다.
그리고 웨이트 개수에 대해서 포스팅을 작성하면서 답변을 주셨는데요. 내 게시물을 수정하지 않았습니다.
즉, 가중치 수 = 50 * 60 + 60 + 60 * 39 + 39 + 39 * 2 + 2 = 5519입니다. 그래서?
200장 정도? 당신은 어디에도 그것에 대해 쓰지 않았습니다.
IlyaA 와 껌 에
2개의 은닉층을 사용하는 이유는 무엇입니까? 어떤 작업이든 하나의 은닉층이면 충분합니다. 수학적으로 입증되었습니다.
->
그리고 웨이트 개수에 대해서 포스팅을 작성하면서 답변을 주셨는데요. 내 게시물을 수정하지 않았습니다.
즉, 가중치 수 = 50 * 60 + 60 + 60 * 39 + 39 + 39 * 2 + 2 = 5519입니다. 그래서?
200부 정도? 당신은 어디에도 그것에 대해 쓰지 않았습니다.
네, 무게가 너무 많습니다.
인구가 200명인 퍼셉트론의 구조를 공개하십시오(추정하기 어려움).
IlyaA와 껌에
2개의 은닉층을 사용하는 이유는 무엇입니까? 어떤 작업이든 하나의 은닉층이면 충분합니다. 수학적으로 입증되었습니다.
컨볼루션 네트워크에 대해 무엇을 알고 있습니까? 거기 너무 voobsche min. 4개의 레이어.그리드 구조(200개의 인스턴스가 있음)를 확장합니다.
인구를 늘리는 것이 좋습니까? 어렵지 않다면 약간의 실험을 해보세요. 200명의 개인과 25명의 개인에 대한 간단한 작업(시간, 인구 수)을 훈련하는 데 얼마나 걸립니까? 나머지는 그대로 두겠습니다. 이 시점에서 나는 전혀 실험하지 않았습니다.
아, 제 200인분에 대한 질문이던가요? 그냥 물음표가 없어서 이해를 못했어요.
내 네트워크: 400-600-200. 총 360800개의 가중치.
예, 인구를 늘리는 것이 좋습니다.
실험을 위해. 나는 인구의 개인 수로 꽤 많은 것을 실험했습니다. 그리고 추가 실험에 시간을 낭비하고 싶지 않습니다. 대답은 명확하지 않았습니다. 많은 것은 GA 알고리즘과 어떤 종류의 중지 기준이 사용되는지에 따라 다릅니다. 대부분의 시간이 피트니스 함수 자체(ff)에 소비되고 순수 GA 알고리즘의 실행 시간은 무시할 수 있다는 것은 분명합니다. 따라서 ff 발사 횟수를 줄이는 것이 합리적입니다. 이것은 다양한 방법으로 달성할 수 있습니다. 그리고 가장 간단한 방법은 인구의 개인 수를 파악하는 것입니다.
1000개 정도의 많은 개인을 취하면 Epoch 수를 전달하는 측면에서 가장 빠른 개인을 찾을 수 있지만 피트니스 함수는 1000 * n 번 실행됩니다. 여기서 n은 epoch 수입니다. 좋지 않은 것 - 매우 오랜 시간이 걸립니다.
인구에서 너무 적은 수의 개인(예: 10-25)을 취하면 인구에 검색할 유전자 풀이 충분하지 않고 검색 시간이 증가합니다. 이는 다시 ff 발사 수가 증가하기 때문입니다.
가장 좋은 선택은 인구 200명이라고 생각합니다.
한 가지 더 추천하고 싶습니다. 각 시대의 최고의 개인을 포함하는 추가 인구를 얻으십시오(저는 이것을 "시대 유전자 풀" 또는 GE라고 부릅니다). 건널 때 현재 인구와 GE에서 개인을 가져옵니다. 따라서 ff 발사 횟수가 대폭 줄어듭니다. 이 기술을 엘리트 선택과 혼동하지 마십시오.
컨볼루션 네트워크에 대해 무엇을 알고 있습니까? 거기 너무 voobsche min. 4개의 레이어.우리는 이미 "너"로 원활하게 전환 했습니까? 확인.
"컨볼루션 네트워크"가 무엇인지 모르겠습니다. 왜 4층인가? 당신은 저와 하나의 내부 (숨겨진) 레이어가 눈에 충분하다고 생각하는 사람들에게 설명 할 수 있습니까? 알고리즘을 복잡하게 만들 필요가 없습니다. 어쨌든 계산하기가 쉽지 않습니다.
그리고 귀하의 GA는 무엇에서 구현됩니까? MQL?
우리는 이미 "너"로 원활하게 전환 했습니까? 확인.
"컨볼루션 네트워크"가 무엇인지 모르겠습니다. 왜 4겹인가? 당신은 저와 하나의 내부 (숨겨진) 레이어가 눈에 충분하다고 생각하는 사람들에게 설명 할 수 있습니까? 알고리즘을 복잡하게 만들 필요가 없습니다. 어쨌든 계산하기가 쉽지 않습니다.
카이킨의 책이 있습니다. 신경망?치과 에
MQL4
일리아에게
있다. 또한 약 200-300권의 책을 저술한 다양한 작가들이 있습니다. 이 라이브러리를 읽는 것보다 NN과 GA를 스스로 마스터하는 것이 더 빠를 것이라고 생각했습니다. 그리고 그렇게 되었습니다. 더 빠르게.
숙달이란 용어의 숙달이 아니라 실제 적용을 의미합니다.
1000개 정도의 많은 개인을 취하면 Epoch 수를 전달하는 측면에서 가장 빠른 개인을 찾을 수 있지만 피트니스 함수는 1000 * n 번 실행됩니다. 여기서 n은 epoch 수입니다. 좋지 않은 것 - 매우 오랜 시간이 걸립니다.
인구에서 너무 적은 수의 개인(예: 10-25)을 취하면 인구에 검색할 유전자 풀이 충분하지 않고 검색 시간이 증가합니다. 이는 다시 ff 발사 수가 증가하기 때문입니다.
가장 좋은 선택은 인구 200명이라고 생각합니다.