Обсуждение статьи "Нейросети — это просто (Часть 22): Обучение без учителя рекуррентных моделей"
Здравствуйте, не могли бы вы помочь мне с ошибкой, которая гласит " invalid pointer access in 'NeuroNetPR.mqh' (2512,18)".
Здравствуйте, я пробовал это сделать, но все равно не помогло .... та же ошибка была с 8 статьи и я не нашел способ ее решить
ошибка указывает на функцию CNET ::save в точке объявления bool result=layers.Save(handle); и указывает на переменную "layers"
1432189 #:
Здравствуйте, я попробовал это, но это все равно не сработало .... та же самая ошибка была там с статьи 8 и я не нашел способ решить это
ошибка указывает на функцию CNET ::save в точке объявления bool result=layers.Save(handle); и указывает на переменную "layers"
Что вы видите в опциях MetaTrader 5
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Нейросети — это просто (Часть 22): Обучение без учителя рекуррентных моделей:
Мы продолжаем рассмотрение алгоритмов обучения без учителя. И сейчас я предлагаю обсудить особенности использования автоэнкодеров для обучения рекуррентных моделей.
Тестирование модели проводилось с сохранением всех используемых ранее параметров: инструмент EURUSD, таймфрейм H1, период тестирования — последние 15 лет. Параметры индикаторов по умолчанию. На вход энкодера подается информация о 10 последних свечах. При этом декодер обучается на дешифровку 40 последних свечей. Результаты тестирования представлены на графике ниже. На вход энкодера подаются данные после окончания формирования каждой новой свечи.
Как можно заметить на графике, результаты тестирования подтверждают состоятельность такого подхода для предварительного обучения без учителя рекуррентных моделей. В процессе тестового обучения нашей модели, после 20 эпох обучения ошибка модели практически стабилизировалась с уровнем потерь менее 9%. При этом надо сказать, что в латентном состоянии модели хранится информация о, как минимум, 30 предшествующих итерациях.
Автор: Dmitriy Gizlyk