交易中的机器学习：理论、模型、实践和算法交易 - 页 499

新评论
 
马克西姆-德米特里耶夫斯基。

在我看来，除了一些服务功能，没有人需要所有这些代码），所以每个人都在忙着为自己做一些事情。

这是知识完善程度等级的结果，长颈鹿可以接受的东西，河马就不能接受，反之亦然，这就是为什么根据知识完善程度有不同类型的教育，从小学到学术机构。

恭敬不如从命。

 


我看到了这个percetron的示意图。通常有一个加法器，但也有三个。所以有三个激活神经元？

我在MQL4中这样做了。

   a1 = iAC(Symbol(), 0, 0);
   a2 = iAC(Symbol(), 0, 3);
   a3 = iAC(Symbol(), 0, 7);
   
   perceptron1[0]=w11 * a1 + w21 * a2 + w31 * a3;
   perceptron2[0]=w22 * a2 + w12 * a1 + w32 * a3;
   perceptron3[0]=w33 * a3 + w13 * a1 + w23 * a2;

我在想，这是否正确？据我所知，三个输入(a1,a2,a3)中的每一个都要根据加法器的情况乘以自己的重量。

然后，我将尝试用激活正弦波函数取代线性函数。

谁能说，是用一个加法器好，还是用几个加法器好，就是不清楚，用同样的输入，不同的权重，有什么意义吗？

我还想问，如果我们采取最小的、两层的网络，那么我们就需要大量的变量来进行优化，更不用说三层或四层了。

我的意思是，如果所有的图层都被一次性优化。为了或多或少地完成测试，可以最大限度地使用多少个变量，有什么软件可以达到这个目的吗？

 
forexman77:

我很感兴趣，这是否正确？根据我的理解，三个输入a1,a2,a3中的每一个都被乘以自己的权重，这取决于它击中了哪个加法器。

几乎是正确的，也有一个偏见，它被额外添加到结果中

   perceptron1[0]=w11 * a1 + w21 * a2 + w31 * a3 + w01;
   perceptron2[0]=w22 * a2 + w12 * a1 + w32 * a3 + w02;
   perceptron3[0]=w33 * a3 + w13 * a1 + w23 * a2 + w03;

最有可能的是y1,y2,y3的值被用于神经元的内层，而这些值本身也应该被用作下一层的输入值

perceptron4[0] = w14 * perceptron1[0] + w24 * perceptron2[0] + w34 * perceptron3[0] + w04;

或者，如果Y1,Y2,Y3是输出值，那么就用几个输出神经元进行分类--例如，如果Y1,Y2,Y3中最大的值是Y1，那么结果就是 "1类"，如果最大的值是Y2，那么结果就是 "2类"，如果最大的值是Y3，那么结果就是 "3类"。如果神经元将被用于回归而不是分类，那么输出神经元将只有一个。如果我们有两个类，我们可以只使用一个输出神经元（如果结果是<0.5，那么它将是Class1，如果>=0.5，那么它将是Class2）。

为神经元的激活函数添加一个sigmoid是非常容易的，你需要这样一个函数---

double sigmoid(double sum)
{
    if (sum < -15.0)
        return (0.0);
    else if (sum > 15.0)
        return (1.0);
    else
        return (1.0 / (1.0 + MathExp(-sum)));
}

有了它，你就得到了一个成熟的神经元卡，有一个内层（有三个感知器）和一个输出感知器。

   perceptron1[0] = Sigmoid(w11 * a1 + w21 * a2 + w31 * a3);
   perceptron2[0] = Sigmoid(w22 * a2 + w12 * a1 + w32 * a3);
   perceptron3[0] = Sigmoid(w33 * a3 + w13 * a1 + w23 * a2);
   perceptron4[0] = Sigmoid(w14 * perceptron1[0] + w24 * perceptron2[0] + w34 * perceptron3[0] + w04);

结果 = Perceptron4[0]

 
forexman77:

尽可能使用多少个变量来产生更多或更少的测试，有什么软件可以实现这个目的吗？

一个神经元的权重数量可以是几万个或更多。在mql和R中，有专门的bibiloteks用于创建和训练神经元，最好通过它们来工作，而不是从头开始编程自己的神经元。

 
桑桑尼茨-弗门科。

我看到我没有让你呼吸......吸一口气，冷静下来。


你走得越远，你就变得越断然；））。

 
桑桑尼茨-弗门科。


这被非常简洁地表述为统计学（以及所有数学）的公理：输入的垃圾 - 输出的垃圾。

一个人如果不知道这一点，或者不在实践中应用这一点，在我看来就是一个呆板的疯子，不管他是否知道perseptron这个词。


很对。我支持这一点。

 
马克西姆-德米特里耶夫斯基。

我不小心把这两个词弄混了，因为我此刻正在阅读关于近似值的文章


大;))))

 
Oleg avtomat:

很对。我支持这个观点。


你支持对具体问题的不充分的意识流吗？ 我早就注意到，随着年龄的增长，人们的意识会变得陈旧，你对他们说一句话，他们就会把他们所有未满足的幻想的很大一部分交给你。当然，你会这样做，因为你们的沟通方式是一样的。或者说，这不是年龄的问题，而是根本无法集中注意力的问题。

答复的艺术是让自己沉浸在提问者的问题中，暂时成为他，了解他的需求，并以他理解的方式回答。但只是在口头上搞事，不是艺术，而是自我肯定。

 
马克西姆-德米特里耶夫斯基。

你支持对具体问题的不充分的意识流吗？ 我早就注意到，随着年龄的增长，人们的意识会变得陈旧，你对他们说一句话，他们就会把他们未满足的幻想的很大一部分给你。当然，你会这样做，因为你们的沟通方式是一样的。或者说，这不是年龄问题，而是根本无法集中精力研究这个问题。

答复的艺术是让自己沉浸在提问者的问题中，暂时成为他，了解他的需求，并以他理解的方式回答。我只是搞砸了，这不是一种艺术，而是一种自我主张。


为了避免混淆，并能够区分什么是什么--近似、内插、外推，以及其他对你来说很困难的术语--你应该打开教科书学习。但你要给按钮加上标点符号，然后试着理解你在做什么。你没有足够的知识基础来理解它。然后你会得到一个理解，你就能有意识地计划实验，并进行有意义的实验，而且你的实验结果对你来说是可以理解的。

 
Oleg avtomat:

为了避免混淆，并能够区分什么是什么--近似、内插、外推和其他复杂术语--你应该打开教科书学习。但你要给按钮加上标点符号，然后试着理解你在做什么。你没有足够的知识基础来理解它。学习，然后你就会明白，你就能有意义地计划实验，并进行有意义的实验，实验的结果你就会清楚。

对不起，但你没有在我的任何问题中证明你的价值，至少我没有看到。

你不需要像显而易见的船长那样写作，把一切都颠倒过来，使自己看起来又很重要。

1...492493494495496497498499500501502503504505506...3399
新评论