文章 "生长型神经气：MQL5 中的实施" - 页 2

新评论
 

你好、

感谢您的出色工作，这太令人兴奋了。

您能下载这篇文章的智能交易系统吗？ 能用策略测试器 进行测试吗？

 
有趣的文章！
不过，这篇文章已经过时了--编译器被修改过，现在的代码会出现错误和警告！
 

非常有趣、

我很期待能用它来代替固定神经元网络。

 
sigma7i:
有趣的文章！不过这篇文章已经过时了--编译器被修改了，现在代码会产生错误和警告！
更正后的版本已经发布。
 

您好

我想知道社区中是否有人使用 GNG 成功开发了 EA？

结果是否良好？

谢谢

 
葡萄牙语版本做得不错，但我认为 "Evolving Neural Gas"（进化的神经气体）是 GNG（生长的神经气体）的一个更常见的译法。
 
Jamel:

您好

我想知道社区中是否有人使用 GNG 成功开发了 EA？

结果是否良好？

谢谢

嗯......五个月过去了，没有人愿意，也许我可以亲自评论一下。

在这篇文章中，您看到的 NN 是所谓的径向函数 网的自适应变体。如果将基于 GNG 算法的 EA 与基于非自适应性聚类神经网络的同类 EA 进行比较，使用 GNG 算法的结果很可能比不使用 GNG 算法的结果更好。因此，回答你的后一个问题，是的，从我刚才解释的意义上讲，结果是好的。

至于前一个问题，我自己也开发过内置 GNG 的 EA，效果还算不错。不过，在日常使用中，我更倾向于其他算法，因为这些算法通常都是非神经算法。我可以提醒大家，ANN 总是一个 "黑盒子"，也就是说，当它处理输入数据时，你并不真正了解里面发生了什么。这就意味着，只有当你拥有一套完全非结构化的数据集，而这些数据集的内在依赖关系绝对未知，你希望人工神经网络以某种方式提取出这些内在依赖关系时，人工神经网络才会成为你的首选算法。注：不保证结果的准确性。在其他任何情况下，也就是说，当你对数据集中的依赖关系的组织方式有一些想法时，你会想先尝试其他更确定的 "白盒 "结构化方式。数以千计的方法

12
新评论