你是如何使用神经网络的？ - 页 8 12345678 新评论 Сергей 2010.07.16 08:50 #71 VladislavVG:你说的 "优化 "是什么意思？如果它只是通过选项，那就不是真正的内容了。是MT让你困惑。现在谈谈GA：它是一种搜索方法，在训练网络的情况下，我们正在寻找一些功能的最小值。往往会犯错误。在网络训练的过程中，ORO和GA，以及梯度和退火（有这样一种方法--与GA类似）都试图找到一个极值。哪种方法更有效取决于功能和质量标准（即据以选择最佳变体的标准）。GA是所有方法中最普遍的。它们都不能保证找到全球极值。例如，使用GA有可能同时选择网络结构，即把它（结构）纳入优化参数并设置质量标准（GA的健身函数）。还有更多的可能性。如果有必要，你也可以将ORO与GA一起使用。好运。 你已经回答了自己，GA不是一个神经网络。还不如说是一种梯度法，因为很容易成为NS。有一辆车和一个司机。而且有一堆方法可以教司机开车，但每一种方法都不是汽车。 这也是Svetten 声称的。我真的不明白你在争论什么？ Vladyslav Goshkov 2010.07.16 09:16 #72 Farnsworth: 你自己回答说GA不是一个神经网络。梯度法不如说是一种简单的NS。有一辆车和一个司机。而且有很多方法可以教司机如何驾驶汽车，但每一种方法都不是汽车。 这也是Svetten 声称的。我真的不明白你在争论什么？ 所以我并没有说GA是NS。我针对斯维特拉娜的这句话，展示了NS和GA是如何连接的。 Напомню изначальное утверждение: НС и ГА -- совершенно разные вещи, между собой никак не связанные. 那就是没有这种联系。 好运。 [删除] 2010.07.16 09:19 #73 VladislavVG: 所以我并没有说GA是NS。我展示了NS和GA的关系，以回应斯维特拉娜的一句话，即不存在这样的事情。 1.你没有仔细阅读主题，不明白这句话指的是什么。 2.最有趣的是，他们真的与此无关。如果你加入GA，是一件事；如果你加入ORO，是另一件事；如果你加入其他东西，是另一件事。 3.GA只是一种优化机制。我应该指出，这是一个普遍的机制。我的意思是，它是一个普遍的机制，包括NS优化。 至于第2点和第3点，我的结论是，NS和GA之间没有任何关系。 Andrey Dik 2010.07.16 14:34 #74 NS--转换方法（无论如何：近似、分类、过滤、逻辑转换）。 GA--优化方法。 一个不是另一个，不能相互替代。还有basta。 在许多关于NS的文章和书籍中，谈到人工神经网络 时，都暗示它们是由ORO训练的，误导了读者。不仅如此，我还遇到过这样的说法："这样的网络不起作用，因为...."，而如果一个网络是用其他优化算法训练的，它已经是一个完全不同的网络，将完全不同的品质归于这样的 "其他 "网络--绵羊的尿。一个网络就是一个网络，如果我们用任何优化方法训练它，它都不会改变其属性。它可能会改变训练的质量，仅此而已。 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
你说的 "优化 "是什么意思？如果它只是通过选项，那就不是真正的内容了。是MT让你困惑。
现在谈谈GA：它是一种搜索方法，在训练网络的情况下，我们正在寻找一些功能的最小值。往往会犯错误。在网络训练的过程中，ORO和GA，以及梯度和退火（有这样一种方法--与GA类似）都试图找到一个极值。哪种方法更有效取决于功能和质量标准（即据以选择最佳变体的标准）。GA是所有方法中最普遍的。它们都不能保证找到全球极值。
例如，使用GA有可能同时选择网络结构，即把它（结构）纳入优化参数并设置质量标准（GA的健身函数）。还有更多的可能性。如果有必要，你也可以将ORO与GA一起使用。
好运。
你已经回答了自己，GA不是一个神经网络。还不如说是一种梯度法，因为很容易成为NS。有一辆车和一个司机。而且有一堆方法可以教司机开车，但每一种方法都不是汽车。
这也是Svetten 声称的。我真的不明白你在争论什么？
你自己回答说GA不是一个神经网络。梯度法不如说是一种简单的NS。有一辆车和一个司机。而且有很多方法可以教司机如何驾驶汽车，但每一种方法都不是汽车。
这也是Svetten 声称的。我真的不明白你在争论什么？
所以我并没有说GA是NS。我针对斯维特拉娜的这句话，展示了NS和GA是如何连接的。
那就是没有这种联系。
好运。所以我并没有说GA是NS。我展示了NS和GA的关系，以回应斯维特拉娜的一句话，即不存在这样的事情。
1.你没有仔细阅读主题，不明白这句话指的是什么。
2.最有趣的是，他们真的与此无关。如果你加入GA，是一件事；如果你加入ORO，是另一件事；如果你加入其他东西，是另一件事。
3.GA只是一种优化机制。我应该指出，这是一个普遍的机制。我的意思是，它是一个普遍的机制，包括NS优化。
至于第2点和第3点，我的结论是，NS和GA之间没有任何关系。
NS--转换方法（无论如何：近似、分类、过滤、逻辑转换）。
GA--优化方法。
一个不是另一个，不能相互替代。还有basta。
在许多关于NS的文章和书籍中，谈到人工神经网络 时，都暗示它们是由ORO训练的，误导了读者。不仅如此，我还遇到过这样的说法："这样的网络不起作用，因为...."，而如果一个网络是用其他优化算法训练的，它已经是一个完全不同的网络，将完全不同的品质归于这样的 "其他 "网络--绵羊的尿。一个网络就是一个网络，如果我们用任何优化方法训练它，它都不会改变其属性。它可能会改变训练的质量，仅此而已。