Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 598
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
1) Antrenmanda işler nasıl gidiyor? Ağırlıklar görünmüyor.
2) Nöronun kendisinin ağırlıkları var mı?
3) Aracı olarak, 1-4 siparişlerin kapanış veya hızlı MA'nın türevini alabilirsiniz. Veya artışlar.
4) Gizli katmanın boyutunu girdiye eşit olarak ayarlardım.
ağırlıklar toplayıcılara gider, her şey klasiklere göre yapılır, ardından süspansiyon aktivasyon fonksiyonuna beslenir. dokunmatik yüzeydeki her şeyi imzalamak uygun değildi
"ortam" kalitesinde - burada NS tarafından önceden gerçekleştirilen bazı eylemler anlamına gelir, örneğin bir anlaşma .. yani. n eylem için sistem belleği önce, geri bildirimle aynı - hangi eylem hangi sonuca yol açtı
bu yüzden şimdilik iç katmanı girişe eşit yapacağım .. ve sonra bir mb daha ekleyeceğim
Sadece zamanını boşa harcıyorsun. Bu gerçek veriler için çalışmayacaktır.
Örneğin: Millet Meclisinin bir yanlış cevabı, sonraki tüm cevapları etkileyecektir.
pek değil, sadece ns, işlemlerin seriliğini ve etkinliğini ek bir faktör olarak hesaba katacak .. bu bir seçenek, nihai olduğunu söylemiyorum
Bu yüzden başka fikrin var mı diye soruyorum.
+ bu yerleşik bir uyarlamalı elemandır .. peki, transistör nasıl lehimlenir
ve ana NS diğer işlevleri yerine getirir
ağırlıklar toplayıcılara gider, her şey klasiklere göre yapılır, ardından süspansiyon aktivasyon fonksiyonuna beslenir. dokunmatik yüzeydeki her şeyi imzalamak uygun değildi
"ortam" kalitesinde - burada NS tarafından önceden gerçekleştirilen bazı eylemler anlamına gelir, örneğin bir anlaşma .. yani. n eylem için sistem belleği önce, geri bildirimle aynı - hangi eylem hangi sonuca yol açtı
bu yüzden şimdilik iç katmanı girişe eşit yapacağım .. ve sonra bir mb daha ekleyeceğim
Ancak buradaki nüans, bu durumda bir Q fonksiyonunu yerleştirmeyi düşünmeye değer olmasıdır, çünkü bunun bir ödül olarak görülmesi gerekir. Veya ödülü hesaba katarak bir öğrenme formülü elde edin.
Opsiyon ise puan cinsinden kâr miktarıdır. Başarılı işlem -> artış ve tam tersi.
Ancak buradaki nüans, bu durumda bir Q fonksiyonunu yerleştirmeyi düşünmeye değer olmasıdır, çünkü bunun bir ödül olarak görülmesi gerekir. Veya ödülü hesaba katarak öğrenme formülünü çıkarın.
evet, tamam :) iyi bir seçenek
formül hala basittir - geçmiş ticaret sonuçlarıyla beslenen ayrı nöronlar, nöronlar bile değil, toplayıcıya sadece değerler eklenir. Henüz soğutma hakkında pek bir şey okumadım.
evet, tamam :) iyi bir seçenek
formül hala basittir - geçmiş ticaret sonuçlarıyla beslenen ayrı nöronlar, nöronlar bile değil, toplayıcıya sadece değerler eklenir. Henüz soğutma hakkında pek bir şey okumadım.
İki özdeş NN yaratırsınız, birini geleneksel görüntülerle eğitirsiniz ve ikincisini - birincisinin tahmininin sonucuna bağlı olarak dozlanan ağırlıkların doğrudan aktarımıyla, yani. ikincisi sadece olumlu deneyimlerden öğrenmelidir.
böyle bir seçenek var, önce birkaç NN farklı periyotlarda eğitiliyor, sonra tek bir NN'ye indirgeniyorlar .. sofistike uyum :)
Aptalca çalışmaya ve yeniden inşa etmeye başladığında anlamasını istiyorum.
böyle bir seçenek var, önce birkaç NN farklı periyotlarda eğitiliyor, sonra tek bir NN'ye indirgeniyorlar .. sofistike uyum :)
Aptalca çalışmaya ve yeniden inşa etmeye başladığında anlamasını istiyorum.
Bu tür amaçlar için, açıkçası doğru yapıyı bulamamışsınız.
peki nasıl olmalı?
peki nasıl olmalı?
böyle bir seçenek var, önce birkaç NN farklı periyotlarda eğitiliyor, sonra tek bir NN'ye indirgeniyorlar .. sofistike uyum :)
Aptalca çalışmaya ve yeniden inşa etmeye başladığında anlamasını istiyorum.
İlk olarak, tam olarak uygun değil, çünkü komitelerin daha iyi çalıştığı kanıtlanmıştır, bu, örneğin, bireysel modellerin işaretindeki zıt sapmalarla açıklanır ve bu da doğrulukta bir artışa yol açar. İkinci olarak, önerilen tandem NN, takviyeli öğrenme yöntemlerinde de kendini kanıtlamış, kendi kendini ayarlayan tek bir modeldir.