Обсуждение статьи "Матрицы и векторы в MQL5: функции активации"

[MetaQuotes]

Опубликована статья Матрицы и векторы в MQL5: функции активации:

В данной статье мы опишем только один из аспектов машинного обучения - функции активации. В искусственных нейронных сетях функция активации нейрона вычисляет значение выходного сигнала на основе значений входного сигнала или набора входных сигналов. Мы покажем, что находится "под капотом".

В качестве иллюстраций были подготовлены графики функции активации и их производных в монотонно возрастающей последовательности от -5 до 5. Был подготовлен скрипт, выводящий график функции на ценовом графике. Нажатием клавиши клавиши Page Down выводится диалог открытия файла для указания имени сохраняемой картинки.

По клавише ESC производится завершение работы скрипта. Мы не приводим текст этого скрипта здесь - он приложен к статье.

Автор: MetaQuotes

[Renat Akhtyamov]

круто

спасибо за статью!

[Lorentzos Roussos]

Удобный сценарий, спасибо.

Я тоже кое-что испек:

ReLu + Sigmoid + Shift для захвата от 0.0 до 1.0 на выходе (вход -12 до 12)

double activationSigmoid(double x){
return(1/(1+MathExp(-1.0*x)));
}
double derivativeSigmoid(double activation_value){
return(activation_value*(1-activation_value));
}
double activationReLuShiSig(double x,double shift=-6.0){
if(x>0.0){
  return(activationSigmoid(x+shift));
  }
return(0.0);
}
double derivativeReLuShiSig(double output){
if(output>0.0){
  return(derivativeSigmoid(output));
  }
return(0.0);
}

Ограниченный экспоненциальный.af=f' (вход от -5.0 до 5.0)

double activationLimitedExponential(double x){
return(MathExp(x)/149.00);
}

//и производная сама по себе
double derivativeLimitedExponential(double x){
return(x);
}

👨‍🔧