Algorithms for feedforward nets.
OBJECTIVE
To provide engines for feedforward ANN exploration, testing and rapid prototyping.
Some flexibility is provided (e.g. the possibility to change the activation or error functions).
- The algorithms themselfs are not described here, there are many
books which describes them (e.g. get mine "Matrix ANN" wherever you
may find it ;-). - Hypermatrices are slow, however there is no other
reasonable way of doing things; tests performed by myself show that
using embedded matrices may increase speed but the manipulation of
submatrices "by hand" is very tedious and error prone. Of course you
may rewrite the algorithms for yourself using embedded matrices if you
want to. If you really need speed then go directly to C++ or whatever.
太快了，应该用什么L-BFGS算法来训练，可能一个小时或几个小时？我也做了15个输入，但只有一个15-20个神经元的隐藏层，我有一个Alglibian NS要学习......总之我没有等待，减少了输入向量的大小)3个输入，10k个向量，花了5-10分钟来训练，而且是用一个隐藏层。我不会使用缓慢的反向传播，而是使用具有1-3个epochs的快速反向传播。 i5进程
想象一下，即使有10分钟，你也没有现成的策略，必须在优化器中搜索N个预测器、向量长度、隐藏层的数量等等，才能找到一个策略......
我们知道这个算法。
但一般来说，它是相同的BP。
Athlon处理器，2个核心。笔记本电脑是在8-9年级买的。在现代计算机上，它的飞行速度通常比我的快2倍。
至于完成的策略，在逻辑上也需要2-3个月或更长时间。没有什么大不了的））。是的，而且在NS上已经花了可能更多的钱，而想出了在哪里驾驭马匹）。
众所周知，该算法是--
而在一般情况下，同样的BP。
Athlon处理器，2个核心。这台笔记本电脑是在8、9年买的。在现代计算机上，它的飞行速度通常比我的快2倍。
至于完成的策略，在逻辑上也需要2-3个月或更长时间。没有什么大不了的））。是的，而且国家安全局已经花了可能更多的钱，同时想出了在哪里驾驭这匹马）。
如果你真的需要速度，那就直接用C++或其他什么。:)）好吧，如果你喜欢它，你就很好 :)而且森林的设置要容易得多，顺便说一下，只有一个参数--树木的数量:)
如果你真的需要速度，那就直接用C++或其他什么。:)) 好吧，如果你喜欢，那就好吧 :)而且森林的设置要容易得多，顺便说一下，只有一个参数--树木的数量:)
如果你真的需要速度，那就直接用C++或其他什么。:))这 里的意思是指从C++中直接调用算法，而不是从R或类似的解释环境中调用算法。反正算法本身是用C++编写的)
而且你可以将计算结果发送到显卡上，如果不是内置在CPU中，应该会快5倍 :)
你可以把你的计算送到显卡上，如果它不是内置在你的CPU中，它应该是5倍的速度 :)
当然是这样，但为什么，当~0.0003 c/sample。这对任何交易来说都足够了。
而RF理论上是可以读取的，但我不熟悉实践中的任何包。你能快速转换和掌握。我给你起立鼓掌））。一般来说，我也要掌握它。
当然是这样，但为什么，当~0.0003 c/sample。这对任何交易来说都足够了。
而RF理论上是可以读懂的，但我不熟悉实践中的任何包。你能快速转换和掌握。我给你起立鼓掌））。一般来说，我也应该掌握它。
我想是你在主题中张贴了一张大表，上面有不同货币的刻度，并建议在彼此的基础上预测它们？
请再贴出那张表，我想用它来测试一种预测器选择 技术。
我想是你在主题中贴出了不同货币的大表，并建议在彼此的基础上预测它们？
请再贴出那张表，我想在上面检查预测器选择技术。
谢谢你。开始分析了，有这么多行，结果将在几天后出来。同时，我将尝试通过与 numerai 类比来训练 logloss 的模型，然后在测试表上进行检查。
谢谢你。开始分析了，有这么多行，结果将在几天后出来。同时，我将尝试通过与numerai的类比，将模型教给logloss，然后在测试台上检查。
嗯......你使用已故的尤里-雷舍托夫的软件吗？XGB在一分钟内将这套设备磨到65-67%的精确度。当ML运行超过一个小时时，我相信有什么地方做错了，所以神经元网早就变弱了。