文章 "在 MetaTrader 5 中使用自组织特征映射（Kohonen 映射）" - 页 6 123456 新评论 Igor Makanu 2019.09.26 11:31 #51 Evgeniy Scherbina: 人们总是看到自己想看到的东西。 这正是您在上面的帖子中所证实的--我一点也不想争论"科霍宁 的自组织地图"的正确翻译--这个翻译是否有任何余地： 叶夫根尼-舍尔比纳： 我总是从根本上看问题，我知道如果科霍宁图不能预测，就不会有人称之为神经网络。 正如人们对讨论 "S.Osovsky "的名言 "的兴趣，实践证明--从英文资源转载作品的现象在 runet 中盛行，我不确定 Osovsky 是否写过自己的作品，我是在与论坛成员讨论，而不是与作者讨论？ 我在链接中展示了我在runet上对这一主题的搜索，在权威的、我认为是BaseGroup Labs的网站上也没有确认..... .... 好了，我说完了--我不想再重复了，只想预测一下 ))))。 Evgeniy Scherbina 2019.09.28 09:23 #52 Kohonen 地图适用于对大量不同数据进行分类。例如，100 种不同的动物。在这种情况下，您必须根据一个参数（毛色）进行分类。这种方法的数学原理不允许将不同的参数组合在一起。 对于外汇交易决策来说，这种方法是最愚蠢的。试想一下，通过一个参数进行分类就可以做出 "购买 "或 "不购买 "的决定。那么你就可以在 Kohonen 地图上建立两个节点，这将非常有趣。当然，也有一些 "马斯达顿人 "会绘制出 1 万个节点，他们会津津有味地看着这张地图，说："啊，它的颜色真漂亮。 下面是一个标准 MT5 智能交易系统的周期和移位示例--一个单独的 Kohonen 地图（网络？您可以坐下来思考如何处理它。 多层perseptron 是一个黑盒子，如果一切操作正确，您需要输入不同的参数，然后在输出端得到一个明确的答案--大于阈值（回答 "是"）或小于阈值（回答 "否"）。这比较适合我。 在阅读了几本关于机器学习的书籍后，我注意到有一个观点总是在重复：创建神经网络 没有单一的模板。每项任务都需要对数据进行极其个性化的研究、准备数据、找到网络结构并调整该网络。换句话说，有些选项并不适合外汇交易，也不适合做出 "买入 "或 "不买入 "的决定。我认为科霍宁的地图就不适合。 虽然我们这些有才能的人经常出错，但错误是人才的主要优势。 Ivan Butko 2025.12.27 10:39 #53 Evgeniy Scherbina #:虽然我们这些人才经常犯错误，但错误正是人才的主要优势。 我差点吐了 叶夫根尼-谢尔宾娜#: Kohonen 地图适用于对大量不同数据进行分类。例如，100 种不同的动物。在这种情况下，您必须根据一个参数--毛色--进行分类。这种方法的数学原理不允许将不同的参数组合在一起。对于外汇交易决策来说，这种方法是最愚蠢的。试想一下，用一个参数进行分类就可以做出 "买 "或 "不买 "的决定。那么你就可以在 Kohonen 地图上建立两个节点，这将非常有趣。当然，也有一些 "马斯达顿人 "会绘制 1 万个节点，他们会津津有味地看着这张地图，说：啊，它的颜色真漂亮。下面是一个标准 MT5 智能交易系统的周期和移位示例--平滑周期有一个单独的 Kohonen 地图（网络？您可以坐下来思考如何处理它。我认为 Kohonen 地图不适合做这个。 你就是不明白。 地图不一定要回答 "到哪里去 "的问题。 它可以突出历史中的类似模式，这样你就不必手动坐着找上半 年。 给猴子一个工具，它就有可能开始用尺子 敲 钉子。 123456 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
人们总是看到自己想看到的东西。
这正是您在上面的帖子中所证实的--我一点也不想争论"科霍宁 的自组织地图"的正确翻译--这个翻译是否有任何余地：
我总是从根本上看问题，我知道如果科霍宁图不能预测，就不会有人称之为神经网络。
正如人们对讨论 "S.Osovsky "的名言 "的兴趣，实践证明--从英文资源转载作品的现象在 runet 中盛行，我不确定 Osovsky 是否写过自己的作品，我是在与论坛成员讨论，而不是与作者讨论？
我在链接中展示了我在runet上对这一主题的搜索，在权威的、我认为是BaseGroup Labs的网站上也没有确认.....
.... 好了，我说完了--我不想再重复了，只想预测一下 ))))。
Kohonen 地图适用于对大量不同数据进行分类。例如，100 种不同的动物。在这种情况下，您必须根据一个参数（毛色）进行分类。这种方法的数学原理不允许将不同的参数组合在一起。
对于外汇交易决策来说，这种方法是最愚蠢的。试想一下，通过一个参数进行分类就可以做出 "购买 "或 "不购买 "的决定。那么你就可以在 Kohonen 地图上建立两个节点，这将非常有趣。当然，也有一些 "马斯达顿人 "会绘制出 1 万个节点，他们会津津有味地看着这张地图，说："啊，它的颜色真漂亮。
下面是一个标准 MT5 智能交易系统的周期和移位示例--一个单独的 Kohonen 地图（网络？您可以坐下来思考如何处理它。
多层perseptron 是一个黑盒子，如果一切操作正确，您需要输入不同的参数，然后在输出端得到一个明确的答案--大于阈值（回答 "是"）或小于阈值（回答 "否"）。这比较适合我。
在阅读了几本关于机器学习的书籍后，我注意到有一个观点总是在重复：创建神经网络 没有单一的模板。每项任务都需要对数据进行极其个性化的研究、准备数据、找到网络结构并调整该网络。换句话说，有些选项并不适合外汇交易，也不适合做出 "买入 "或 "不买入 "的决定。我认为科霍宁的地图就不适合。
虽然我们这些有才能的人经常出错，但错误是人才的主要优势。
虽然我们这些人才经常犯错误，但错误正是人才的主要优势。
我差点吐了
Kohonen 地图适用于对大量不同数据进行分类。例如，100 种不同的动物。在这种情况下，您必须根据一个参数--毛色--进行分类。这种方法的数学原理不允许将不同的参数组合在一起。
对于外汇交易决策来说，这种方法是最愚蠢的。试想一下，用一个参数进行分类就可以做出 "买 "或 "不买 "的决定。那么你就可以在 Kohonen 地图上建立两个节点，这将非常有趣。当然，也有一些 "马斯达顿人 "会绘制 1 万个节点，他们会津津有味地看着这张地图，说：啊，它的颜色真漂亮。
下面是一个标准 MT5 智能交易系统的周期和移位示例--平滑周期有一个单独的 Kohonen 地图（网络？您可以坐下来思考如何处理它。
我认为 Kohonen 地图不适合做这个。
你就是不明白。
地图不一定要回答 "到哪里去 "的问题。
它可以突出历史中的类似模式，这样你就不必手动坐着找上半 年。
给猴子一个工具，它就有可能开始用尺子 敲 钉子。