你是如何使用神经网络的？ - 页 4 12345678 新评论 Илья 2008.05.22 20:14 #31 作为一个人，非常感谢你! Candid 2008.05.25 08:12 #32 alexjou:- 层数由输入向量的维度决定，也就是说，网络是通过定义和初始化/读取工作数组自动生成的。 - 根据1/(2^N)（"求解晶体"）或1/N（"记忆晶体"）的规律，隐藏层中的神经元数量随着层数N的增加而逐渐减少。 似乎可以证明，三层足以近似任何函数。你似乎认为他们有更多的人。出于什么考虑？ 总的来说，这个概念与我的想法非常接近，尽管就对NS的认识而言，我可能处于相当早的阶段。沟通起来会很有意思。你能在这里给我你的电子邮件地址吗？或写信给我：likh on yandex ru。 Alexandre 2008.05.25 12:05 #33 这里的问题略有不同。 这不是关于函数的近似。我对你提到的证明一无所知（因为我从来不需要使用投影网络），但一般的考虑表明，在对任意函数进行逼近时，基本函数的类型和基础的维度所起的作用要比网络的 "分层 "大得多；然而，这对一般的投影方法来说也是如此。 我选择上述网络配置也是出于一些提示：可能，这就是生物的大脑是如何建立的，这就是它通过适应性记忆和分类输入信息的 "学习 "方式。(我把我的生物学家和医生同事们的愚蠢问题几乎缠死了，但他们除了说 "你为什么需要它 "和 "把它切开，自己试试 "之外，不能说任何明确的东西。)因此，选择了奥亚的规则来调整尺度--在这种情况下，人们无法确定 "与老师一起学习 "还是 "没有老师 "的情况发生了（出于某种原因，我一直认为这种概念的划分过于人为）。有趣的是，从尺度调整的某一时刻开始，这样的网络不再是可预测的，换句话说，开始 "表现 "了，尽管到目前为止我们谈论的只是一个这样的 "晶体"。 简而言之，这个网络，连同调整其规模的方法，几乎完全是出于启发式的考虑。毕竟，在我们都试图打败的交换中，这种考虑很可能远不是最后的作用。电子邮件：alex-jou Hund rambler Punkt ru（只是一个非常大的请求 - 不要把它添加到你的联系名单中，以避免垃圾邮件。一般来说，而且我要求每个人都这样做--这种服务的用处几乎为零，而损害是巨大的）。 Yury Reshetov 2010.07.11 21:07 #34 Candid: 似乎可以证明，三层足以近似任何函数。你似乎认为他们有更多的人。出于什么考虑？ 这个证明并不包括它所提到的sigmoid。因此，只有在理论上才有可能用三层感知器来近似任何连续函数。不幸的是，在应用领域，结果要糟糕得多。 Sergey Kravchuk 2010.07.12 08:52 #35 有谁知道关于 PackagePolyAnalyst 的情况？ Yury Reshetov 2010.07.12 11:31 #36 sayfuji: 我的问题是这样的。你是如何使用神经网络的：你是否只使用mql4手段（同样的人工智能）来实现，使用MatLab等程序，或特殊的神经包（Neuro Shell Day Trader，NeuroSolutions等），在EA的代码中附加一个dll。你的方法是什么，它与其他方法相比有什么优势（除了盈利能力）？ 每种方法都有其优点和缺点。1.在开发自己的神经网络时，你不是在和一个黑盒子打交道，当然，除非你只是把源代码拿去编译了，但在某处你加入了一些特定的任务。2.当你购买一个专有的网格时，你得到的是：一个黑盒子的钱，但伴随着：支持、现成的解决方案和专有的输入增白剂。简单地说，比如说，如果购买了一个通用的时间序列预测 包，用户就不必考虑输入的内容。因为在软件包中，输入是时间序列的原貌。而在软件包本身，它被初步准备好喂给网络的输入，即在电网开始训练之前，将进行白化处理。1.对输入数据进行过滤和平滑处理，使其更容易预测和减少噪音2.正常化3.筛选和消除不太重要的输入4.消除输入之间的关联性5.消除输入数据中的线性问题 6.为归一化的数据选择适当的sigmoids 诸如此类，不一而足。之后，网络被训练。然后恢复输出数据。例如，如果在输入端消除了线性，该软件包将在输出端恢复它。输入的垃圾变成了输出的甜蜜。很有可能，因为我们正在处理一个黑匣子，该软件包将使用遗传算法，或者也许是一些回归或其他推断方法，而不是神经网络。-+++------------------------------------------------------------------------------------------------------------------------------------------+++-- 因此，对于那些准备涉足神经网络但不了解 "归一化 "一词的用户来说，最好能得到一个预测时间序列的通用包，在这里，除了时间序列（报价），你能要求的最大限度是滞后大小。- 更高级的用户知道神经网络架构的特殊性，即研究过优点和缺点，应该购买更专业的软件包。这样的软件包不适合涉足，因为你必须自己为给定的任务找到合适的架构。像在输入中添加东西这样的 "科学 "方法在这里是没有用的，因为输出很可能也是充满了垃圾。- 所有其他的，即从未经授权或从零开始编写的网络，只适合那些在训练网络前的输入数据准备和训练后的输出数据恢复方面有真正经验的人。即神经网络包选择原则简单得令人发指：如果你不能拉屎--就不要折磨你的肛门。如果你买了一个很酷的软件包，而你对它的使用有疑问，而你无法在附带的手册的帮助下自己回答，这只意味着一件事：不要像这样走，即买一些不太酷的东西给更愚蠢的人。 Леонид 2010.07.14 09:46 #37 神经网络的问题与其他不使用神经网络的TC一样--神经网络总是会在任何特定的时间间隔（训练或优化）找到一个模式，然后有同样的问题--这个模式在未来会不会起作用（带来利润）？ [删除] 2010.07.14 09:54 #38 Reshetov: 输入端的粪便在输出端变成了糖果。 从来没有。 很有可能，因为我们正在处理一个黑盒子，将使用遗传算法而不是专有软件包中的神经网络，或者也许是一些回归或其他推断方法。 GA与NS和回归的关系如何？ NS是一种方法。 GA是一种方法。 "用GA而不是NS "听起来很疯狂。这就像 "用废气分析仪取代心脏"。 对不起。（笑）。 Andrey Dik 2010.07.14 10:06 #39 LeoV: ....... 然后，同样的问题出现了--这种发现的模式在未来是否会发挥作用（带来利润）？ 假设，纯粹是假设，将找到或已经找到一种方法来回答这个问题--"不"。此外，对于任何TC。从此可以得出什么结论？ 交易员将停止交易？不过，只是好奇。 ZS. 交易员是否会购买可靠的信息，确认答案是 "不"？或者他们宁愿不知道这个问题的答案？(如果有的话，是修辞) [删除] 2010.07.14 16:48 #40 joo: 纯粹假设，将找到或已经找到一种方法来回答这个问题--"不"。此外，对于任何TC。你会从中得出什么结论？ 交易员将停止交易？不过，只是好奇。 ZS. 交易员是否会购买可靠的信息，确认答案是 "不"？或者他们宁愿不知道这个问题的答案？(如果有的话，是修辞)。 如果有的话，那就是纯粹的学术主义。 12345678 新评论 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
- 层数由输入向量的维度决定，也就是说，网络是通过定义和初始化/读取工作数组自动生成的。
- 根据1/(2^N)（"求解晶体"）或1/N（"记忆晶体"）的规律，隐藏层中的神经元数量随着层数N的增加而逐渐减少。
似乎可以证明，三层足以近似任何函数。你似乎认为他们有更多的人。出于什么考虑？
总的来说，这个概念与我的想法非常接近，尽管就对NS的认识而言，我可能处于相当早的阶段。沟通起来会很有意思。你能在这里给我你的电子邮件地址吗？或写信给我：likh on yandex ru。
这不是关于函数的近似。我对你提到的证明一无所知（因为我从来不需要使用投影网络），但一般的考虑表明，在对任意函数进行逼近时，基本函数的类型和基础的维度所起的作用要比网络的 "分层 "大得多；然而，这对一般的投影方法来说也是如此。
我选择上述网络配置也是出于一些提示：可能，这就是生物的大脑是如何建立的，这就是它通过适应性记忆和分类输入信息的 "学习 "方式。(我把我的生物学家和医生同事们的愚蠢问题几乎缠死了，但他们除了说 "你为什么需要它 "和 "把它切开，自己试试 "之外，不能说任何明确的东西。)因此，选择了奥亚的规则来调整尺度--在这种情况下，人们无法确定 "与老师一起学习 "还是 "没有老师 "的情况发生了（出于某种原因，我一直认为这种概念的划分过于人为）。有趣的是，从尺度调整的某一时刻开始，这样的网络不再是可预测的，换句话说，开始 "表现 "了，尽管到目前为止我们谈论的只是一个这样的 "晶体"。
简而言之，这个网络，连同调整其规模的方法，几乎完全是出于启发式的考虑。毕竟，在我们都试图打败的交换中，这种考虑很可能远不是最后的作用。电子邮件：alex-jou Hund rambler Punkt ru（只是一个非常大的请求 - 不要把它添加到你的联系名单中，以避免垃圾邮件。一般来说，而且我要求每个人都这样做--这种服务的用处几乎为零，而损害是巨大的）。
似乎可以证明，三层足以近似任何函数。你似乎认为他们有更多的人。出于什么考虑？
我的问题是这样的。你是如何使用神经网络的：你是否只使用mql4手段（同样的人工智能）来实现，使用MatLab等程序，或特殊的神经包（Neuro Shell Day Trader，NeuroSolutions等），在EA的代码中附加一个dll。你的方法是什么，它与其他方法相比有什么优势（除了盈利能力）？
每种方法都有其优点和缺点。
1.在开发自己的神经网络时，你不是在和一个黑盒子打交道，当然，除非你只是把源代码拿去编译了，但在某处你加入了一些特定的任务。
2.当你购买一个专有的网格时，你得到的是：一个黑盒子的钱，但伴随着：支持、现成的解决方案和专有的输入增白剂。
简单地说，比如说，如果购买了一个通用的时间序列预测 包，用户就不必考虑输入的内容。因为在软件包中，输入是时间序列的原貌。而在软件包本身，它被初步准备好喂给网络的输入，即在电网开始训练之前，将进行白化处理。
1.对输入数据进行过滤和平滑处理，使其更容易预测和减少噪音
2.正常化
3.筛选和消除不太重要的输入
4.消除输入之间的关联性
5.消除输入数据中的线性问题
6.为归一化的数据选择适当的sigmoids诸如此类，不一而足。
之后，网络被训练。然后恢复输出数据。例如，如果在输入端消除了线性，该软件包将在输出端恢复它。输入的垃圾变成了输出的甜蜜。很有可能，因为我们正在处理一个黑匣子，该软件包将使用遗传算法，或者也许是一些回归或其他推断方法，而不是神经网络。
-+++------------------------------------------------------------------------------------------------------------------------------------------+++-
- 因此，对于那些准备涉足神经网络但不了解 "归一化 "一词的用户来说，最好能得到一个预测时间序列的通用包，在这里，除了时间序列（报价），你能要求的最大限度是滞后大小。
- 更高级的用户知道神经网络架构的特殊性，即研究过优点和缺点，应该购买更专业的软件包。这样的软件包不适合涉足，因为你必须自己为给定的任务找到合适的架构。像在输入中添加东西这样的 "科学 "方法在这里是没有用的，因为输出很可能也是充满了垃圾。
- 所有其他的，即从未经授权或从零开始编写的网络，只适合那些在训练网络前的输入数据准备和训练后的输出数据恢复方面有真正经验的人。
即神经网络包选择原则简单得令人发指：如果你不能拉屎--就不要折磨你的肛门。如果你买了一个很酷的软件包，而你对它的使用有疑问，而你无法在附带的手册的帮助下自己回答，这只意味着一件事：不要像这样走，即买一些不太酷的东西给更愚蠢的人。
神经网络的问题与其他不使用神经网络的TC一样--神经网络总是会在任何特定的时间间隔（训练或优化）找到一个模式，然后有同样的问题--这个模式在未来会不会起作用（带来利润）？
Reshetov:
输入端的粪便在输出端变成了糖果。
从来没有。
很有可能，因为我们正在处理一个黑盒子，将使用遗传算法而不是专有软件包中的神经网络，或者也许是一些回归或其他推断方法。
GA与NS和回归的关系如何？
NS是一种方法。
GA是一种方法。
"用GA而不是NS "听起来很疯狂。这就像 "用废气分析仪取代心脏"。
对不起。（笑）。
....... 然后，同样的问题出现了--这种发现的模式在未来是否会发挥作用（带来利润）？
假设，纯粹是假设，将找到或已经找到一种方法来回答这个问题--"不"。此外，对于任何TC。从此可以得出什么结论？
交易员将停止交易？不过，只是好奇。
ZS. 交易员是否会购买可靠的信息，确认答案是 "不"？或者他们宁愿不知道这个问题的答案？(如果有的话，是修辞)
纯粹假设，将找到或已经找到一种方法来回答这个问题--"不"。此外，对于任何TC。你会从中得出什么结论？
交易员将停止交易？不过，只是好奇。
ZS. 交易员是否会购买可靠的信息，确认答案是 "不"？或者他们宁愿不知道这个问题的答案？(如果有的话，是修辞)。