文章 "深度神经网络 (第 III 部)。样品选择和降维" 新评论 MetaQuotes 2017.10.04 05:50 新文章 深度神经网络 (第 III 部)。样品选择和降维已发布：本文是一系列有关深层神经网络的延续文章。在此, 我们将研究选择样本 (消除噪声), 降低输入数据的维度, 并在数据准备期间将数据集合划分为训练/验证/测试集合, 以便训练神经网络。Autoencoder 是具有一个或多个隐藏层的神经网络, 且输入层中的神经元数量等于输出层中神经元的数量。АЕ 的主要目的是尽可能准确地表示输入数据。用于标准神经网络训练的正则化和神经元激活方法也同样用于 AE。任何构建神经网络的软件包只要允许提取隐藏层权重矩阵, 均可用来构建 AE 模型, 。我们将使用 autoencoder 软件包。以下示例将有助于回顾可能的 AE 结构: 图例. 7. autoencoders 结构图 (三层和五层)作者：Vladimir Perervenko 新评论 原因: 取消 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
新文章 深度神经网络 (第 III 部)。样品选择和降维已发布：
本文是一系列有关深层神经网络的延续文章。在此, 我们将研究选择样本 (消除噪声), 降低输入数据的维度, 并在数据准备期间将数据集合划分为训练/验证/测试集合, 以便训练神经网络。
Autoencoder 是具有一个或多个隐藏层的神经网络, 且输入层中的神经元数量等于输出层中神经元的数量。АЕ 的主要目的是尽可能准确地表示输入数据。用于标准神经网络训练的正则化和神经元激活方法也同样用于 AE。任何构建神经网络的软件包只要允许提取隐藏层权重矩阵, 均可用来构建 AE 模型, 。我们将使用 autoencoder 软件包。以下示例将有助于回顾可能的 AE 结构:
图例. 7. autoencoders 结构图 (三层和五层)
作者：Vladimir Perervenko