Discussão do artigo "Construindo Expert Advisors Auto-otimizantes Com MQL5 E Python (Parte II): Ajustando Redes Neurais Profundas"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Construindo Expert Advisors Auto-otimizantes Com MQL5 E Python (Parte II): Ajustando Redes Neurais Profundas foi publicado:
O algoritmo Nelder-Mead é uma escolha popular para problemas de otimização multimodais, não diferenciáveis e com ruído. Nomeado em homenagem aos seus inventores John Nelder e Roger Mead, o algoritmo foi introduzido no artigo de 1965 intitulado "A Simplex Method for Function Minimization". Ele pode ser usado tanto para problemas de otimização univariados quanto multivariados.<br0/>
O algoritmo Nelder-Mead não depende de informações derivadas; em vez disso, é um algoritmo de busca de padrões para otimização. Ele exige que o usuário forneça um ponto de partida. Dependendo do ponto de partida escolhido, o algoritmo pode ficar preso em um ótimo local enganoso. Portanto, pode ser benéfico realizar a otimização várias vezes com diferentes pontos de partida para melhorar as chances de encontrar um ótimo global.
O algoritmo funciona usando uma forma geométrica chamada simplex. O simplex tem um vértice para cada variável de entrada, mais um vértice adicional. Os pontos (vértices) do simplex são avaliados, e regras simples são usadas para mover os pontos com base em suas avaliações. O algoritmo tem certas condições de parada, como atingir o número máximo de iterações ou alcançar uma mudança mínima nos valores de avaliação. Se nenhuma melhoria for feita ou se o número permitido de iterações for excedido, o procedimento de otimização para.<br4/>
Autor: Gamuchirai Zororo Ndawana