"I just played with the samples - what an amazing piece of software!!! Love the fact that I have an equation I can work with. I love Classifier and Predictor but can see how you can use this software to create a classification formula in Neuroshell Trader and save a lot of time. Can't wait to start playing with my own data. Is the final...
ОБЕСПЕЧЬТЕ СЕБЕ КОНКУРЕНТНОЕ ПРЕИМУЩЕСТВО, ИСПОЛЬЗУЯ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ДЛЯ РЕШЕНИЯ СЛОЖНЫХ ЗАДАЧ, ПОВЫШЕНИЯ ПРИБЫЛИ И БОЛЕЕ ЭФФЕКТИВНОГО УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ. Каждый день генерируется и собирается невероятно большой объем данных. Одни компании пытаются выжить в бурном потоке информации, в то время как другие процветают, испытывая...
В наше время, наверное, каждый трейдер слышал о нейронных сетях и знает, как это круто. В представлении большинства те, которые в них разбираются, это какие-то чуть ли не сверхчеловеки. В этой статье я постараюсь рассказать, как устроена нейросеть, что с ней можно делать и покажу практические примеры её использования.
不明白你的想法(
这不是我的想法，是和老师一起教NS的原则。
这不是我的想法，是和老师一起教NS的原则。
我同意，你可以用这种方式训练更复杂的网。但在这个例子中，有基于测试器中的交易结果的培训，没有你自己的指示，在哪里交易。也就是说，这不是培训，而是优化，以获得最大利润。也就是说，它不完全是一个神经元网络，而是一个具有指标值加权的专家顾问。
如果我们回到这个特定例子的学习中，代码中有1个输出，如果它>0.5，那么我们就买入，如果它<0.5，我们就卖出。我在哪里附上老师给的0/1答案？又该如何处理呢？
我同意，你可以用这种方式训练更复杂的网。但在这个例子中，有基于测试器中的交易结果的培训，没有你自己的指示，在哪里交易。也就是说，这不是培训，而是优化，以获得最大利润。也就是说，它不完全是一个神经元网络，而是一个具有指标值加权的专家顾问。
如果我们回到这个例子的学习中，代码中有1个输出，如果它>0.5，那么我们就买入，如果它<0.5，我们就卖出。我在哪里附上老师给的0/1答案？那我应该怎么做呢？
这就是你应该在训练的时候闩上的地方，训练后的输出将是一个预测。
哦，我明白了，这只是一个神经元)，返回一个sigmoid结果。
那就没办法了
训练时将其拧入，训练后的输出将是一个预测值
哦，我明白了，这只是一个神经元），它产生了一个乙字形的结果
那就没办法了
太糟糕了(
而其他神经网络将以一个核心来计算，这将花费许多倍的时间。
而在10个输入的例子中，我们得到1.6 *1013个通过。只有遗传学才能节省时间。我甚至无法想象要花多少时间才能完全算上一个1核。而如果我们乘以100个输入，可能就无法计算了。
你花了多长时间来训练网络，有多少输入/神经元？
悲伤(
而其他的神经网络就会以一个核心来计算，这将花费许多倍的时间。
而在这个例子中，对于10个输入，我们得到1.6 *1013个通过。只有遗传学才能节省时间。我甚至无法想象，为第1个核心计算这个数值要花多少时间。而如果我们把投入乘以100，可能就无法计算了。
训练你的网络需要多长时间，有多少输入/神经元？
这主要取决于历史记录（训练实例）的数量，从几分钟到无限长），在1核上计算复杂的网格不是一个选项，我同意。
但是，只有在GPU上才有可能出现适当的这种网格。
混沌猎人怎么样？给我一个具体的链接
这里是链接
有趣的是，我从来没有见过一个免费的库有类似的遗传编程的实现......所有的都是网状物网状物....。
这里是链接
有趣的是，我从来没有见过一个免费的库有类似的遗传编程的实现......所有的都是net-networks....。
我不知道什么是遗传编程，但到处都有遗传优化算法 - 从MT5到SciLab和ScyPy。我不知道遗传算法是什么，但它们无处不在。
很明显，遗传算法 无处不在.....，但它不是一回事，尽管原理相似......
在遗传算法中，程序本身保持不变，而它的所有参数都经历了进化、交叉变异、选择等。
遗传编程也在不断发展，但算法本身，程序本身，是根据现有的数据和使用任何数学符号+ - / * cos sin等根据一个给定的函数生长的...
如果你给出一组n时期的收盘蜡烛图和随机数据以及回归斜率，这个方法将随机地把这些数据按任何可能的组合进行乘法、除法和加法，逐渐形成某种符合搜索功能的数学公式...
所以我们已经把网格整理好了，所以现在我们在打折。
http://www.nvidia.ru/object/ai-accelerated-analytics-ru.html
为什么要用sigmoid来计算神经元？线性分布（从零到输入数）不是更好吗？毕竟，"该函数在区间[-5,5]上有一个平滑的形式"？
如果只有5个输入，这很好，但如果有100个输入呢？那么实际上所有的值都会在这个区段之外。该文章https://www.mql5.com/ru/articles/497，应用了一个额外的因素来说明10个投入。因此，对于每个网络，你都必须重新计算这个系数。