"Новый нейронный" - проект Open Source движка нейронной сети для платформы MetaTrader 5. - страница 19

[Andrey Dik]

TheXpert:
Кстати тебе на заметку. БОльшая часть пакетов генетики для сетей вообще не имеет. А в этом списке она только для галочки или если эвристики отсутствуют (имхо).

Кстати тебе на заметку. Я пробовал юзать этот программный продукт в демо-версии. Для пробы наворотил схему такую, что сам бес ноги сломит - лучше всего справился с задачей именно ГА. Остальные либо начинают тупить, либо застревают в локалках. Поэтому ГА там и включен в состав - для особо тяжёлых случаев. :)

[Andrey Dik]

Urain:

кстати а чего это у них нет БекПропа? или я чего то недопонял.

Да, его нет. Видимо его нет потому, что проблематично использовать с большими схемами разномастных сетей и пред/пост - обработчиков.

[Mykola Demko]

joo:
Да, его нет. Видимо его нет потому, что проблематично использовать с большими схемами разномастных сетей и пред/пост - обработчиков.

Так может и нам взять за основу эти три парадигмы?

Genetic algorithms
Particle swarm
Monte carlo

или стоит ещё чего то добавить?

[TheXpert]

Urain:
Так может и нам взять за основу эти три парадигмы?

Угу, берите. Я тогда сразу умываю руки и начинаю альтернативный проект :) .

[TheXpert]

gpwr:

Кстати, Владимир, не хочешь свой взгляд и сетки озвучить поширше?

[Andrey Dik]

Urain:

Так может и нам взять за основу эти три парадигмы?

Genetic algorithms
Particle swarm
Monte carlo

или стоит ещё чего то добавить?

Дело в том, что эти алгоритмы универсальные и цепляются к чему хошь.

Есть ещё, но не очень популярные "универсальные", но только они нафиг не нужны:

• Линейное программирование
• Симплекс-метод
• «Венгерский метод» — решение задач целочисленного линейного программирования
• Метод Мака решения задачи о назначениях
• Алгоритм имитации отжига
• Метод роя частиц
• Муравьиные алгоритмы
• Метод ветвей и границ
• Дифференциальная эволюция
• Метод Нелдера — Мида (downhill simplex method) — алгоритм нелинейной оптимизации
• Всхождение со случайным перезапуском (англ.)
• Стохастическое туннелирование (англ.)
• Алгоритм суммирования подмножеств (англ.)
• Метод перебора
• Метод Фибоначчи поиска экстремума — метод выбора точек для нахождения экстремума функции одной переменной
• Градиентный спуск
• Алгоритм Левенберга — Маркардта — комбинация метода Ньютона и наискорейшего спуска
• Метод Ньютона в оптимизации, основанный на методе Ньютона поиска корня
• Квазиньютоновские методы — методы, основанные на замене матрицы Гессе её приближением.
  • Алгоритм Бройдена — Флетчера — Гольдфарба — Шанно (англ.) — квазиньютоновский алгоритм нелинейной оптимизации

[Mykola Demko]

TheXpert:
Угу, берите. Я тогда сразу умываю руки и начинаю альтернативный проект :) .

Главное с чистым сердцем :о)

Андрей продолжай делать что делаешь, я (как станет посвободней) займусь граф движком ввода, ну и параллельно своё, а там время покажет что лучше, то народ и подхватит.

[михаил потапыч]

TheXpert:
Угу, берите. Я тогда сразу умываю руки и начинаю альтернативный проект :) .

Вот так всегда с вами , с умниками . Никаких компромиссов. "Или как я хочу или умываю руки." Так нельзя.  

[Mykola Demko]

joo:

Дело в том, что эти алгоритмы универсальные и цепляются к чему хошь.

Есть ещё, но не очень популярные "универсальные":

Погоди, ты тут вывалил методы оптимизации, не всякая оптимизация подходит для обучения, например метод Ньютона определён только для известной функции, если же ты не знаешь вид функции то вычислить его влоб не получится, для этого уже применяются квазиньютоновские методы (по остальным навскидку не скажу но предполагаю тоже есть свои ограничения).

Опять же стоит применить эволюционную модель отсева, если метод неизвестен то наверняка он лажевый (если только он не изобретён вчера и просто малоизветстен). Большинству же методов оптимизации лет по 300.

[TheXpert]

Mischek:
Вот так всегда с вами , с умниками . Никаких компромиссов. "Или как я хочу или умываю руки." Так нельзя.  

Здесь принципиальный момент -- все перечисленные методы требуют дополнительной памяти под обучение.