文章 "神经网络：从理论到实践" - 页 9

新评论
 

请解释一下：

假设我用文件 1 的测试样本训练了感知器 1。

然后，我在新数据（文件 2）上测试了感知器 1。

我如何训练感知器 1？

方案 1：
我将文件 1 和文件 2 = 文件 12 粘合在一起。我从头开始训练感知器 2，给它输入文件 12 + 正确答案。

方案 2：

手动修正文件 2 中的正确答案，然后重新训练感知器 1。

方案 1 不言自明。它只是从头开始训练一个新的感知器。

但如何实现方案 2 呢？可行吗？

=========

我目前正在使用 scikit-learn 库在 Python 的 Jupyter 中进行实验。在那里，感知器没有使用新数据进行训练的方法....。

http://scikit-learn.org/dev/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier

sklearn.neural_network.MLPClassifier — scikit-learn 0.18.dev0 documentation
  • scikit-learn.org
class hidden_layer_sizes=(100, ), activation='relu', algorithm='adam', alpha=0.0001, batch_size='auto', learning_rate='constant', learning_rate_init=0.001, power_t=0.5, max_iter=200, shuffle=True, random_state=None, tol=0.0001, verbose=False, warm_start=False, momentum=0.9, nesterovs_momentum=True, early_stopping=False, validation_fraction=0.1...
 

这篇文章非常棒，可能是唯一一篇或多或少有详细、易懂介绍的文章、

我想请作者更正一下图片，毕竟在这个例子中，我们考虑的不是一个网络，而是一个感知器、

我们正在等待一个神经网络 的例子，例如输入端 2 个神经元，隐藏层 3 个神经元，输出端 1 个神经元。

非常感谢你的文章！

附加的文件：
pyb.jpg  1958 kb
 
非常好的文章，我将在本周学习，尝试实现文章中定义的内容。
但我有一个问题，如何实现更多的神经元？

Osb: 我还是个编程初学者。


我有一些基本的问题，有些问题会在我的开发过程中出现。我可以向您请教吗？

 
我是编程新手，几乎什么都不懂，但我正在学习和调整您的 EA，以便进行几次测试。这项任务非常有趣。
现在，我正在考虑建立一个自我优化系统，并发现了一篇关于它的有趣文章。能否实现您的 EA 结构？我目前还没有这个能力。

您有兴趣开发这项工作吗？

https://www.mql5.com/zh/articles/2279

Rede neural: Expert Advisor auto-otimizável
Rede neural: Expert Advisor auto-otimizável
  • 2016.10.17
  • Jose Miguel Soriano
  • www.mql5.com
Será que é possível criar um Expert Advisor que, de acordo com os comandos do código, otimize os critérios de abertura e fechamento das posições automaticamente e em intervalos regulares? O que acontecerá se nós implementarmos no EA uma rede neural (um perceptron multi-camada) que, sendo módulo, analise o histórico e avalie a estratégia? É possível dar ao código um comando para uma otimização mensal (semanal, diária ou por hora) de rede neural com um processo subsequente. Assim, é possível criar um Expert Advisor que se auto-otimize.
 

改变激活函数的陡度完全没有必要！

参见公式：

for(int n=0; n<10; n++) 
  {
   NET+=Xn*Wn;
  }
NET*=0.4;

训练 时，网络 必须选择乘数 Wn。如果网络的总乘数*0.4 对网络更有利，它就会简单地选择 Wn 的所有权值，而每个权值都已经是*0.4。也就是说，我们只需将共同乘数放在括号中，而该乘数将由最小误差决定。

在这种实现方法中，只需减少选择权重的步骤即可。在更复杂的神经网络中，必要的系数可以自己找到。

 

归一化操作错误，导致某些原因的系数为 0.4....。

假设有一系列数值：0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10

这个数列中的数值应还原为序列 [0,1]。从逻辑上讲，这应该是一个序列：0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1。

然而，您的方法产生的只是随机数。假设我们从指标中得到的数值是：6、7、8、9、10。简化你的公式

我们得到

6 >> 0

7 >> 0.25

8 >> 0.5

9 >> 0.75

10 >> 1

在这个数列中，按照您文章中的说明进行归一化处理后，只有最后一个值为真。

如果你学过线性代数并能区分余弦和正切，那么你怎么会把这么简单的工作弄得一团糟呢？你的工作结果纯粹是随机的！！！

但我承认，我正是以这本出版物为起点的。我把它打印出来，仔细地重读了一遍，用笔做了笔记。然后，我去书店买了奥索夫斯基的《 信息处理神经网络》。我读了这本书，变得非常聪明，现在我正在写作....。

 
感谢您通俗易懂地介绍了 MT5 上的人工智能交易。因此，"权重 "是通过优化找到的，也就是卡加泰所说的曲线拟合。实际上，神经网络（其权重）是通过输入大量人工标注的训练数据并将结果标注为对或错来 "训练 "的。在 MT5 中是否有有效的方法来做到这一点？
 
我想知道这个智能机器人怎么使用和购买我的微信号是13552272531请老师加我，我想干一番事业。
 

为什么回溯测试 时我只能获得 365 美元的利润？

附加的文件：
Screenshot_b3m.png  81 kb
Screenshot_u7r.png  32 kb
Screenshot_88i.png  39 kb
Screenshot_799.png  77 kb
Screenshot_k11j.png  70 kb
 
Nice Post, In your codes, you mentioned Trade\Trade.mqh and Trade\PositionInfo.mqh, can you provide the download link of those two? many thanks!
1234567891011
新评论