"New Neural", MetaTrader 5 platformu için bir sinir ağı motorunun Açık Kaynak projesidir. - sayfa 2
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
Halihazırda ticaret alanında çalışan sinir sistemi geliştiricilerini uzman olarak davet edebilir miyiz?
Onları başka sitelerden arayın.
Halihazırda ticaret alanında çalışan sinir sistemi geliştiricilerini uzman olarak davet edebilir miyiz?
Onları başka sitelerden arayın.
Ücretli etkileyicilerden mi bahsediyorsunuz yoksa
sadece ilgi uyandırma umuduyla daha geniş bir kitleyi bilgilendirmek mi?
Ücretli etkileyicilerden mi bahsediyorsunuz yoksa
sadece ilgi yaratma umuduyla daha geniş bir kitleyi bilgilendirmek mi?
Bizim için motoru geliştirme görevi uygulama aşamasına geçmiş durumda. Bugün fikirle ilgili bir iç tartışma yaptık ve altyapının hazırlanmasına geçtik.
Şimdi sözde ve fiilde yardımcı olacak uzmanlara ihtiyacımız var.
Bizim için motoru geliştirme görevi uygulama aşamasına geçmiş durumda. Bugün fikirle ilgili bir iç tartışma yaptık ve altyapının hazırlanmasına geçtik.
Şimdi sözde ve fiilde yardımcı olacak uzmanlara ihtiyacımız var.
Peki, o zaman sahip olduklarınızı yayınlamanız gerekiyor.
tartışacak bir şey ve uzmanlar olacak.
Ancak herhangi bir tepki yoksa barakaları kazımak mümkündür.
Ancak herhangi bir tepki yoksa barakaları kazımak mümkündür.
Hmm (mütevazı) reaksiyon hakkında - nöronlar için zaten 3 bağlantı var.
Birinin 10'dan fazla ızgarası var. Kohonen, MLP, geri dönüşüm, Hopfield ağları ile çalıştı... ,
ikincisinde, MLP + Jordan-Elman ağının genel durumunun uygulanması -- yani. Herhangi bir katmanın ters kapanma olasılığı olan herhangi bir topoloji (yönlendirilmiş grafik),
üçüncüsü, en sevileni olan Echo-network'ün uygulanmasıdır :) .
Uzun bir süre için bu doğruydu (yankı ağı hariç), ancak hatırlayabilirsiniz. Olasılık modelleriyle çalışmadı. Gradyan iniş ve hibrit yöntemlerdeki son gelişmelere aşina değil.
Hmm (mütevazı) reaksiyon hakkında - nöronlar için zaten 3 bağlantı var.
Uzun bir süre için bu doğruydu (yankı ağı hariç), ancak hatırlayabilirsiniz. Olasılık modelleriyle çalışmadı. Gradyan iniş ve hibrit yöntemlerdeki son gelişmelere aşina değil.TAMAM. Her tür ağ topolojisinin bir genel bakış şeklinde sağlanması mümkün müdür? Yani, ne kadar çok o kadar iyi, ama bir yapı veya şemalar şeklinde ifade edilmesi mi?
uygulanabilir modelleri belirlemek ve böylece soyut ortak temel sınıfları tasarlamaya başlamak için.
Bu arada, görev sadece sonuç olarak bir takım ağlar yapmak değil, aynı zamanda sınıflara onları diğer belirli ağ topolojilerine genişletme yeteneği kazandırmaktır.
bir şeye başlamadan önce, insanlar için erişilebilir ve anlaşılır bir teori, pratik hazırlayın ve sonra bir şeyler şekillendirmeye başlayın.
ve geleceğin yaratıcılarına yalnızca MQL5'te yazılmış bir NN'nin avantaj ve dezavantajlarının neler olduğunu söyleyin. Öykünülmüş dillerde yazılan programların üst düzey dillerde yazılan programlardan daha yavaş olduğunu bilerek kimsenin MT5'te öykünme olarak çalışacak bir paket oluşturmak için kamburluk yapmak isteyeceğini sanmıyorum.
benim tavsiyem. Herkes hala yazmaya hevesliyse, DLL'de matematiksel bir model oluşturun ve MQL5'te veri hazırlığı yapın. Her bir NA türünü ayrı DLL'lerde uygulayın. Örneğin, Kohhonen sinir ağı , module_kohhonen.dll dosyasında ve Hopfield ağı module_hopfield.dll dosyasında bulunacaktır. Dilleri gerektiği gibi kullanın ve tekerleği yeniden icat etmeyin.
Grafiksel bir arayüz planlanmıştır. Netlik için, ağın yapısını hissetme yeteneği vb.
TAMAM. Her tür ağ topolojisinin bir genel bakış şeklinde sağlanması mümkün müdür?
Tamam, uygulanan 4 ağla ilgileniyorum
1. Kohonen ağları, dahil. SOM. Ne aranacağının net olmadığı durumlarda kümelere bölmek için kullanmak iyidir. Sanırım topoloji giriş vektörü, çıkış vektörü veya başka şekilde gruplandırılmış çıkışlar olarak biliniyor. Eğitim öğretmenli veya öğretmensiz olabilir.
2. MLP , en genel haliyle, yani. geri beslemeli bir grafik olarak organize edilmiş rastgele bir katman seti ile. Çok yaygın olarak kullanılır
3. Devridaim ağı. Dürüst olmak gerekirse, normal çalışan doğrusal olmayan bir uygulama görmedim. Bilgi sıkıştırma ve temel bileşen çıkarma (PCA) için kullanılır. En basit doğrusal biçiminde, sinyalin her iki taraftan da yayılabileceği doğrusal iki katmanlı bir ağ (veya genişletilmiş biçimde üç katmanlı bir ağ) olarak temsil edilir.
4. Yankı ağı. İlke MLP'ye benzer, orada kullanılır. Ancak organizasyonda kesinlikle farklıdır ve açıkça tanımlanmış bir eğitim süresine sahiptir (tam tersine, her zaman küresel bir minimum üretir).
5. PNN - kullanmadım, karıştırmıyorum. Ama bence zanaatkarlar var.
6. Bulanık mantık modelleri (olasılıksal ağlarla karıştırılmamalıdır). uygulamadı. Ama yardımcı olabilirler. Herhangi biri bilgi bulursa lütfen yayınlayın. Hemen hemen tüm modeller Japon yazarlık vardır. Hemen hemen her şey manuel olarak monte edilir, ancak topolojinin inşasını mantıksal bir ifadeyle otomatikleştirmek mümkün olsaydı (her şeyi doğru hatırlıyorsam), gerçekçi olmayan bir şekilde harika olurdu.
_______________
Başka modeller önerin.
Tüm ağlar giriş - kara kutu - çıkış olarak temsil edilebilir
Denememiz gerekse de, muhtemelen tüm ağları tamamen birbirine bağlamak mümkün değildir.