"Üçüncü Nesil Nöral Ağlar: Derin Ağlar" makalesi için tartışma
Yazı için teşekkürler. "Bir anda kabullenmesi çok zor.
Yazar için soru. Bir Uzman Danışman yapımı ile ilgili olarak, çarpma ve toplama mantığı ile ayarlanacak katsayı sayısı burada da ölçek dışı mı?
Yazı için teşekkürler. "Bir anda kabullenmesi çok zor.
Yazar için soru. Bir Uzman Danışmanın inşası ile ilgili olarak, çarpma ve toplama mantığı ile ayarlanacak katsayı sayısı da burada ölçek dışı mı?
Soruyu anlamadım. Neden bahsediyorsun?
TEBRIK EDERIM!
Çok bilgilendirici ve kaliteli bir makale!
TEBRIK EDERIM!
Çok bilgilendirici ve kaliteli bir makale!
Selamlar.
Bu örneği, girdinin kümelenmesi ve kümelerin hedef kümeyle eşleştirilmesi ve diğer sınıflandırma konularını anlamak için kullanabiliriz.
Hesaplamayı bitirip göndereceğim
İyi şanslar.
Selamlar.
Bu örneği, girdinin kümelenmesi ve kümelerin hedefle eşleştirilmesi ve diğer sınıflandırma konularını anlamak için kullanabiliriz.
Hesaplamayı bitirip göndereceğim
İyi şanslar.
vlad1949:
...
- Gösterge i_SAE.mq4, ~/MQL4/Indicators/ klasörüne koyun
- Expert Advisor e_SAE.mq4, ~/MQL4/Experts/ klasörüne yerleştirin.
- Kütüphane mt4Rb7.dll, ~/MQL4/Libraries/ klasörüne koyun.
- Başlık dosyası mt4Rb7.mqh, ~/MQL4/Include/ klasörüne yerleştirin. Kütüphane ve başlık dosyası Bernd Kreuss adlı nazik bir kişi tarafından geliştirilmiş ve sağlanmıştır. İsme son değişikliğin indeksini ekledim (b7). Aynı isimlere sahip birçok sürüm (benimki gibi) olduğunda, onları yakalamak çok zaman alan aksilikler oluyor.
...
Çok ilginç. Seçenekleri karşılaştırmak isterdim. Kümelemeyi anlamaya çalıştım - sadece korkutucu miktarda araç.
Bu doğru. Ancak burada önemli olan kümelemenin kendisi değil, kümemizi bölebileceğimiz (bölmemiz gereken) en uygun küme sayısını belirlemektir.
Çok fazla yazı var. Belki yarın bitiririm.
İyi şanslar
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Yeni makale Üçüncü Nesil Nöral Ağlar: Derin Ağlar yayınlandı:
Bu makale, makine öğreniminde yeni ve perspektif bir yön için ayrılmıştır - derin öğrenme veya daha doğrusu derin nöral ağlar. Bu, ikinci nesil nöral ağlar, bağlantılarının mimarisi ve ana türleri, öğrenme yöntemleri ve kuralları ve ana dezavantajları, ardından üçüncü nesil nöral ağ geliştirme tarihi, ana türleri, özellikleri ve eğitim yöntemleri hakkında kısa bir incelemedir. Gerçek veriler ile yığınlanmış bir otomatik kodlayıcının ağırlıkları tarafından başlatılan derin nöral ağ oluşturma ve eğitimi üzerine pratik deneyler yürütülmektedir. Girdi verilerinin seçilmesinden metrik türetmeye kadar tüm aşamalar ayrıntılı olarak tartışılmıştır. Makalenin son kısmı, MQL4/R'ye dayalı yerleşik göstergeye sahip bir Expert Advisor içinde derin nöral ağın yazılım uygulamasını içermektedir.
Kısıtlı bir Boltzmann makinesinin (RBM) tarihine odaklanmayacağız. Tüm bilmemiz gereken bunun, eğitilmesi çok zor tekrarlayan geri bildirimli nöral ağlarla başladığıdır. Bu öğrenme zorluğu nedeniyle daha fazla kısıtlı tekrarlayan model ortaya çıktı, böylece daha basit öğrenme algoritmaları uygulanabildi. Bir Hopfield nöral ağı bu tür modellerden biriydi. John Hopfield nöral ağ dinamiklerini termodinamik ile karşılaştırarak ağ enerjisi kavramını tanıtan kişiydi.
RBM yolunda bir sonraki adım, normal Boltzmann makineleriydi. Bunlar stokastik bir yapıya sahip olmaları bakımından Hopfield ağından farklıdırlar ve nöronları, görünür ve gizli durumlarını tanımlayan iki gruba ayrılır (gizli bir Markov modeline benzer). Sınırlı bir Boltzmann makinesi, bir katmanın nöronları arasında bağlantı olmadığı zaman standart olandan farklıdır.
Şek. 9 RBM yapısını temsil etmektedir.
Şek. 9. Bir RBM yapısı
Bu modelin özelliği, bir grubun nöronlarının mevcut durumlarında, diğer grubun nöron durumları ile birbirinden bağımsız olmasıdır. Şimdi bu özelliğin kilit role sahip olduğu teoriye geçebiliriz.
Yazar: Vladimir Perervenko