Обсуждение статьи "Новый подход к пользовательским критериям при оптимизациях (Часть 1): Примеры функций активации"

Новый комментарий
 

Опубликована статья Новый подход к пользовательским критериям при оптимизациях (Часть 1): Примеры функций активации:

Это первая из серии статей, посвященных математическим аспектам создания пользовательских критериев с особым акцентом на нелинейных функциях, применяемых в нейросетях, MQL5-коде для реализации, а также на использования целевых и корректирующих смещений.

Возможность определить пользовательский критерий и даже использовать такой критерий с его непрозрачной методологией повлекла за собой возможность сократить парсинг или, как минимум, анализ результатов в Excel, Python, R или собственном программном обеспечении для получения наилучшего сочетания параметров.

Проблема в том, что в опубликованных пользовательских критериях до сих пор нередко можно встретить использование return(0). Это чревато реальными или потенциальными рисками, включая возможность сброса (вряд ли) нежелательных результатов, или еще хуже — отклонить процесс генетической оптимизации от потенциально продуктивных путей.

В попытке вернуться к некоторым первоосновам и проведя несколько очень эмпирических экспериментов, я попытался найти некоторые уравнения кривых. Для этого я просмотрел статью «Activation Functions in Neural Networks» и кое-что из нее использовал здесь с некоторыми изменениями. Кроме того, разобравшись с этим, я предложил некоторые методы для практической реализации.

Вот план этой серии статей:

  1. Введение и стандартные функции активации при помощи MQL5-кода
  2. Модификации, масштабирование и взвешивание, а также примеры из реальной практики
  3. Инструмент для использования различных кривых, масштабирования и взвешивания
  4. и иные возникающие вопросы...


Автор: Andrew Thompson

Новый комментарий