"Veri Bilimi ve Makine Öğrenimi - Sinir Ağları (Bölüm 01): İleri Beslemeli Sinir Ağları" makalesi için tartışma
Merhaba,
Yazınız çok güzel. İyi iş çıkardınız!
Sinir ağı hakkında okuyordum, ancak şimdiye kadar sinir ağının MT5 optimizasyon sisteminin kendisiyle karşılaştırıldığında ne gibi avantajları veya farklılıkları olabileceğini hala anlayamadım.
Örneğin: MACD ve ATR kullanan bir stratejim varsa, MT5 optimizasyon sistemindeki en iyi parametreleri bulmak için onu "eğitebilirim". Ayrıca göstergelere veya diğer verilere bir ağırlık sistemi ekleyebilirim.
Her ikisi de gelecekte uygulamak için geçmişte en iyi parametreleri veya "ağırlıkları" arayacaktır.
Belki yanılıyorum ve tüm fikri anlamadım.
Bunu açıklayabilir misiniz? Ya da bazı örnekler verebilir misiniz?
- www.mql5.com
strateji test cihazında optimizasyon ile sinir ağı parametrelerini optimize etmek arasındaki fark hedeftir, strateji test cihazında en karlı çıktıları veya en azından istediğimiz ticaret sonuçlarını sağlayan parametrelere odaklanma eğilimindeyiz, bu mutlaka sinir ağının bu tür sonuçlara yol açan iyi bir modele sahip olduğu anlamına gelmez
Bazı insanlar ağırlıkları ve önyargıyı sinir ağı tabanlı sistemlerin giriş parametreleri olarak koymayı tercih ediyor(kabaca ileri besleme), ancak strateji test cihazını kullanarak optimize etmenin temelde en iyi sonuçların rastgele değerlerini bulmak olduğunu düşünüyorum (en uygun olanları bulmak şansa bağlı gibi geliyor), stokastik gradyan inişi kullanarak optimize edersek, her adımda tahminlerde en az hataya sahip modele doğru ilerliyoruz.
strateji test cihazında optimizasyon ile sinir ağı parametrelerini optimize etmek arasındaki fark hedeftir, strateji test cihazında en karlı çıktıları veya en azından istediğimiz ticaret sonuçlarını sağlayan parametrelere odaklanma eğilimindeyiz, bu mutlaka sinir ağının bu tür sonuçlara yol açan iyi bir modele sahip olduğu anlamına gelmez
Bazı insanlar ağırlıkları ve önyargıyı sinir ağı tabanlı sistemlerin giriş parametreleri olarak koymayı tercih ediyor(kabaca ileri besleme), ancak strateji test cihazını kullanarak optimize etmenin temelde en iyi sonuçların rastgele değerlerini bulmak olduğunu düşünüyorum (en uygun olanları bulmak şansa bağlı gibi geliyor), stokastik gradyan inişi kullanarak optimize edersek, her adımda tahminlerde en az hataya sahip modele doğru ilerliyoruz.
Cevabınız için teşekkür ederim.
Demek istediğinizi anladım.
Neden ilk bölümden başladınız?
eski makale:
VERİ BİLİMİ VE MAKİNE ÖĞRENMESİ (BÖLÜM 01): DOĞRUSAL REGRESYON
- www.mql5.com
- 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 makaleye göz atın: Veri Bilimi ve Makine Öğrenimi - Sinir Ağları (Bölüm 01): İleri Beslemeli Sinir Ağları.
Birçok insan sinir ağlarını sever, ancak çok az insan sinir ağlarının arkasındaki tüm işlemleri anlar. Bu makalede, ileri beslemeli çok katmanlı bir algının kapalı kapıları ardında olan her şeyi sade bir dille açıklamaya çalışacağım.
Hiperbolik tanjant fonksiyonu.
Formülü şu şekildedir:
Grafiği aşağıdaki gibidir:
Yazar: Omega J Msigwa