"Nöral Ağlar: Teoriden Pratiğe" makalesi için tartışma - sayfa 9

Yeni yorum
 

Lütfen açıklayın:

Perceptron1'i dosya1'den bir test örneği ile eğittiğimi varsayalım. Aynı dosya1'i %100 doğru tahmin etmeyi öğrendi.

Sonra bu perceptron1'i yeni veriler (dosya2) üzerinde test ettim. Onları %95 doğru tahmin etti.

Perceptron1'i nasıleğitebilirim?

Seçenek 1:
Dosya1 ve dosya2 = dosya12'yi yapıştırıyorum. Perceptron2'yi dosya12 + doğru cevaplarla besleyerek sıfırdan eğitiyorum.

Seçenek 2:

Doğru yanıtları dosya2'ye manuel olarak düzeltiyorum ve perceptron1'i yeniden eğitiyorum.

Seçenek 1 kendini açıklayıcıdır. Bu sadece sıfırdan yeni bir algılayıcıyı eğitmektir.

Ancak 2. seçenek nasıl uygulanır? Bu mümkün mü?

=========

Şu anda Python'da scikit-learn kütüphanesi ile Jupyter'da denemeler yapıyorum. Burada algılayıcının yeni verilerle eğitilmesi için bir yöntem yoktur....

http://scikit-learn.org/dev/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier

sklearn.neural_network.MLPClassifier — scikit-learn 0.18.dev0 documentation
  • scikit-learn.org
class hidden_layer_sizes=(100, ), activation='relu', algorithm='adam', alpha=0.0001, batch_size='auto', learning_rate='constant', learning_rate_init=0.001, power_t=0.5, max_iter=200, shuffle=True, random_state=None, tol=0.0001, verbose=False, warm_start=False, momentum=0.9, nesterovs_momentum=True, early_stopping=False, validation_fraction=0.1...
 

Makale süper, muhtemelen az çok detaylı ve anlaşılır sunumu olan tek makale,

Yazardan resmi düzeltmesini rica ediyorum, sonuçta bu örnekte bir ağı değil, bir perceptron'u ele alıyoruz,

ve örneğin bir sinir ağı örneği bekliyoruz: Girişte 2 nöron, gizli katmanda 3, çıkışta 1.

makale için çok teşekkür ederim!

Dosyalar:
pyb.jpg  1958 kb
 
Çok iyi bir makale, bu hafta makalede tanımlananları uygulamaya çalışmak için çalışacağım.
Ama bir sorum var, daha fazla nöronu nasıl uygulayabilirim?

Osb: Programlamada hala acemiyim.


Bazı temel sorularım var ve bazıları yapmaya çalışacağım geliştirme sırasında ortaya çıkacak. Size danışabilir miyim?

 
Programlamada yeniyim, neredeyse hiçbir şey bilmiyorum, ancak EA'nızı birkaç test için inceliyor ve uyarlıyorum. Bu görev çok ilginç.
Şimdi kendi kendini optimize eden bir sistem düşünüyorum ve bununla ilgili ilginç bir makale buldum. EA'nızın bir yapısını uygulamak mümkün olabilir mi? Şu anda bunun için yeterli kapasitem yok.

Bu çalışmayı geliştirmekle ilgilenir misiniz?

https://www.mql5.com/tr/articles/2279

Rede neural: Expert Advisor auto-otimizável
Rede neural: Expert Advisor auto-otimizável
  • 2016.10.17
  • Jose Miguel Soriano
  • www.mql5.com
Será que é possível criar um Expert Advisor que, de acordo com os comandos do código, otimize os critérios de abertura e fechamento das posições automaticamente e em intervalos regulares? O que acontecerá se nós implementarmos no EA uma rede neural (um perceptron multi-camada) que, sendo módulo, analise o histórico e avalie a estratégia? É possível dar ao código um comando para uma otimização mensal (semanal, diária ou por hora) de rede neural com um processo subsequente. Assim, é possível criar um Expert Advisor que se auto-otimize.
 

Aktivasyon fonksiyonunun dikliğini değiştirmek tamamen gereksizdir!

Formüle bakın:

for(int n=0; n<10; n++) 
  {
   NET+=Xn*Wn;
  }
NET*=0.4;

Eğitim sırasında, ağ Wn çarpanlarını seçmelidir. Ağ için toplam *0,4 olması daha uygunsa, her biri zaten *0,4 olacak olan Wn'nin tüm ağırlıklarını seçecektir. Yani, minimum hata tarafından belirlenecek olan ortak çarpanı parantez içine alıyoruz.

Bu uygulamada, ağırlıkları seçme adımını basitçe azaltabilirsiniz. Daha ciddi sinir ağlarında, gerekli katsayılar kendileri tarafından bulunacaktır.

 

Normalleştirme yanlış yapılır ve ardından bazı nedenlerden dolayı 0,4 katsayısı....

Bir dizi değer olduğunu varsayalım: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10

Bu serideki değerler [0,1] dizisine indirgenmelidir. Mantıksal olarak, bu seri: 0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1 olacaktır.

Ancak, metodolojiniz sadece rastgele sayılar üretiyor. Göstergeden şu değerleri aldığımızı varsayalım: 6, 7, 8, 9, 10. Formülünüzü basitleştirirsek:

Elde ederiz:

6 >> 0

7 >> 0.25

8 >> 0.5

9 >> 0.75

10 >> 1

Makalenizdeki talimatlara göre normalize edilen bu seride, yalnızca son değer doğrudur.

Eğer lineer cebir dersi aldıysanız ve kosinüsü tanjanttan ayırt edebiliyorsanız, bu kadar basit bir işi nasıl berbat edebildiğinizi anlamak mümkün değil. Çalışmanızın sonuçları tamamen rastlantısal!!!

Ama itiraf ediyorum, bu yayını bir başlangıç noktası olarak kullandım. Çıktısını aldım, dikkatlice tekrar okudum, kalemle notlar aldım. Sonra Kitap Evi'ne gittim ve Osovsky'nin" Bilgi İşleme içinSinir Ağları" kitabını aldım. Onu okudum, çok akıllandım ve işte yazıyorum....

 
MT5'te işlem yapmak için yapay zekaya bu kolay anlaşılır giriş için teşekkür ederim. Yani 'ağırlıklar', Çağatay'ın eğri uydurma dediği optimizasyon yoluyla bulunur. Gerçekte sinir ağları (ağırlıkları), büyük miktarlarda insan etiketli eğitim verisi girilerek ve sonuç da doğru veya yanlış olarak etiketlenerek "eğitilir". Bunu MT5'te yapmanın etkili bir yolu var mı?
 
Bu akıllı robotu nasıl kullanacağımı ve satın alacağımı bilmek istiyorum mikro sinyalim 13552272531 lütfen öğretmen beni ekle, bir şeyler yapmak istiyorum.
 

Geriye dönük test yaparken neden sadece 365 dolar kar elde ediyorum?

 
Güzel Yazı, Kodlarınızda Trade\Trade.mqh ve Trade\PositionInfo.mqh'den bahsettiniz, bu ikisinin indirme bağlantısını sağlayabilir misiniz? çok teşekkürler!
1234567891011
Yeni yorum