市场礼仪或雷区中的良好风度 - 页 37 1...303132333435363738394041424344...104 新评论 paralocus 2009.05.30 13:22 #361 好吧，我想我已经知道我的错误是什么了。我实际上得到的是，训练向量的长度等于权重的数量!因为我通过比较一个神经元的输出与训练向量的每个样本来积累修正，而我只需要与第n+1个样本进行比较。我正在写一个新的代码。 这就是为什么图表如此不正常。 paralocus 2009.05.31 22:18 #362 在这里，请看一下。 蓝色是训练样本，红色是测试样本。切线值在图片的左上角。 奇怪的是，我不得不完全删除秤的初始化。只有在那时，结果才变得可重复。还有一些问题，但我现在都解决了......-:) 我把清单附在后面。对不起，现在还没有评论，但它做得非常简单，没有一堆不同的函数--所有东西都在一个程序中，除了切线和mnc。 附加的文件： neyrona.rar 132 kb Neutron 2009.06.01 10:49 #363 在我看来，你有一个非常复杂的逻辑来为luuch向量编号。 也许错误是指数的微不足道的混淆，或者你在整个统计集程序中只进行了一次权重归零（W[i]<-0）。 请注意，你的 D 向量，也就是NS的输入，并没有用统计量的集合（索引i）重新计算。也许我错了，因为我对它不完全熟悉。对我来说，在你的代码中输入连续的编号比较容易，这就是我得到的结果。 现在，你的女孩感觉到了权重的初始随机化，并充分地学习了（两条线都经过原点）。红色是训练样本，蓝色是考试。下面附上一个带有调整后的版本的文件。 附加的文件： modif.zip 16 kb paralocus 2009.06.01 12:11 #364 熟悉情况... 告诉我，谢尔盖，为什么你的两层（你从一开始就在说）输出神经元没有激活函数？然后衍生品会如何变化？即是（对于th）（1-OUT^2）。 并成为（1-OUT）？ P.S. 谢谢你的帮助 paralocus 2009.06.01 14:31 #365 啊哈，我终于明白这东西是怎么运作的了。单一输入不是只需要在学习期间使用，然后就像其他所有输入一样--用于数据？ 我甚至没有想到有这样的事情!此外，那里的输入都是简单的--没有超切线。是因为BP是一个常规函数，还是只是为了举例？ 还有一个问题：如果这个女孩的训练略显不足--好吧，只给她5-7个纪元--那么两个mncs的切线将大于统一，这难道不表明这个女孩在展望未来（我不是在说正弦）？ Neutron 2009.06.01 15:26 #366 可以严格地证明（引用数学家的作品），对于单层NS来说，与线性输出相比，用非线性函数激活输出并不增加其计算能力。因此，具有非线性FA的单一神经元是无稽之谈。 对于双层NS来说，输出神经元的激活并不增加计算能力（这种结构在所有可能的结构中已经具有最大或相等的计算能力--3、4等），因此，如果输出被进一步解释为准确预测的概率，那么通过正切激活输出神经元是合理的。 在线性输出的情况下，导数不是（1-OUT），而只是1--它是线性函数y(x)=1*x的导数。 至于单次输入，当然是在训练和操作过程中都会用到。干得好，发现了它我错过了这个错误。表示神经元的正确方法是这样的。 W[0]是一个权重，总是被送入1。在单个神经元的情况下，使用偏移量的效果不是很明显。尽管在这种情况下也不难模拟出在加速学习过程中会发挥重要作用的情况。 если девушку слегка недообучить - ну дать её всего 5-7 эпох - то тангенсы обеих мнк будут больше единицы, не говорит ли это о том, что девушка заглядывает в будущее(я не об синусе)? 不，这只表明统计材料的数量少，学习能力差。自己判断：你不可能比它的实际情况更了解一些东西。这种极限情况对应于tg()=1，由于数据的统计变化，只能大于1。 paralocus 2009.06.01 15:49 #367 Neutron >> : ...引用数学家的作品 -:)我希望你能意识到这是多么的无用......。至少在我的情况下是这样。 我打算在这一个神经元上再做一次。我需要在我的脑海中把它全部解决，我想把代码分解成简单的块，明天我将尝试给我的女朋友增加一层。但我有一个相当愚蠢的问题：当把代码从Matkad改写成MQL时，你如何检查已经做了什么？你不能直接重写--Matcad是一个不同的环境，其程序逻辑与MQL中的不一样。 Neutron 2009.06.01 16:32 #368 这就是它变得棘手的地方! 例如，我输出斜率正切（在有效输入的情况下）作为NS性能的积分特征或正确猜测符号的百分比（在二进制的情况下），并与Matcad中的那些进行比较。然而，到此为止，你需要按MCL标准对NS-ka进行围观，它是当零计数最后和进一步深入（在Matkadeck中反之）。此外，有必要在维纳过程中检查NS的正确性，即当BP是由随机变量的积分得到的。在这里，你的女孩应该在考试中得到一个铁的 "D"，它会告诉你她没有作弊，即斜率角的正切必须趋于零，实验次数趋于无穷大为1/n。 这是一个维纳系列的发生器。 paralocus 2009.06.01 19:41 #369 这是在vinaire上。 [删除] 2009.06.01 19:55 #370 我只想说：我的最后一张图表什么都没留下，我本想在那里寻找 "奇迹 "的原因--iFractals 又无耻地欺骗了我。当我写完自己的iFractals后，一切都清楚了，也就是说，奇迹消失了 :) 祝你好运，同事们 1...303132333435363738394041424344...104 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
好吧，我想我已经知道我的错误是什么了。我实际上得到的是，训练向量的长度等于权重的数量!因为我通过比较一个神经元的输出与训练向量的每个样本来积累修正，而我只需要与第n+1个样本进行比较。我正在写一个新的代码。
这就是为什么图表如此不正常。
在这里，请看一下。
蓝色是训练样本，红色是测试样本。切线值在图片的左上角。
奇怪的是，我不得不完全删除秤的初始化。只有在那时，结果才变得可重复。还有一些问题，但我现在都解决了......-:)
我把清单附在后面。对不起，现在还没有评论，但它做得非常简单，没有一堆不同的函数--所有东西都在一个程序中，除了切线和mnc。
在我看来，你有一个非常复杂的逻辑来为luuch向量编号。
也许错误是指数的微不足道的混淆，或者你在整个统计集程序中只进行了一次权重归零（W[i]<-0）。
请注意，你的 D 向量，也就是NS的输入，并没有用统计量的集合（索引i）重新计算。也许我错了，因为我对它不完全熟悉。对我来说，在你的代码中输入连续的编号比较容易，这就是我得到的结果。
现在，你的女孩感觉到了权重的初始随机化，并充分地学习了（两条线都经过原点）。红色是训练样本，蓝色是考试。下面附上一个带有调整后的版本的文件。
熟悉情况...
告诉我，谢尔盖，为什么你的两层（你从一开始就在说）输出神经元没有激活函数？然后衍生品会如何变化？即是（对于th）（1-OUT^2）。
并成为（1-OUT）？
P.S. 谢谢你的帮助
啊哈，我终于明白这东西是怎么运作的了。单一输入不是只需要在学习期间使用，然后就像其他所有输入一样--用于数据？
我甚至没有想到有这样的事情!此外，那里的输入都是简单的--没有超切线。是因为BP是一个常规函数，还是只是为了举例？
还有一个问题：如果这个女孩的训练略显不足--好吧，只给她5-7个纪元--那么两个mncs的切线将大于统一，这难道不表明这个女孩在展望未来（我不是在说正弦）？
可以严格地证明（引用数学家的作品），对于单层NS来说，与线性输出相比，用非线性函数激活输出并不增加其计算能力。因此，具有非线性FA的单一神经元是无稽之谈。
对于双层NS来说，输出神经元的激活并不增加计算能力（这种结构在所有可能的结构中已经具有最大或相等的计算能力--3、4等），因此，如果输出被进一步解释为准确预测的概率，那么通过正切激活输出神经元是合理的。
在线性输出的情况下，导数不是（1-OUT），而只是1--它是线性函数y(x)=1*x的导数。
至于单次输入，当然是在训练和操作过程中都会用到。干得好，发现了它我错过了这个错误。表示神经元的正确方法是这样的。
W[0]是一个权重，总是被送入1。在单个神经元的情况下，使用偏移量的效果不是很明显。尽管在这种情况下也不难模拟出在加速学习过程中会发挥重要作用的情况。
если девушку слегка недообучить - ну дать её всего 5-7 эпох - то тангенсы обеих мнк будут больше единицы, не говорит ли это о том, что девушка заглядывает в будущее(я не об синусе)?
不，这只表明统计材料的数量少，学习能力差。自己判断：你不可能比它的实际情况更了解一些东西。这种极限情况对应于tg()=1，由于数据的统计变化，只能大于1。
...引用数学家的作品
-:)我希望你能意识到这是多么的无用......。至少在我的情况下是这样。
我打算在这一个神经元上再做一次。我需要在我的脑海中把它全部解决，我想把代码分解成简单的块，明天我将尝试给我的女朋友增加一层。但我有一个相当愚蠢的问题：当把代码从Matkad改写成MQL时，你如何检查已经做了什么？你不能直接重写--Matcad是一个不同的环境，其程序逻辑与MQL中的不一样。
这就是它变得棘手的地方!
例如，我输出斜率正切（在有效输入的情况下）作为NS性能的积分特征或正确猜测符号的百分比（在二进制的情况下），并与Matcad中的那些进行比较。然而，到此为止，你需要按MCL标准对NS-ka进行围观，它是当零计数最后和进一步深入（在Matkadeck中反之）。此外，有必要在维纳过程中检查NS的正确性，即当BP是由随机变量的积分得到的。在这里，你的女孩应该在考试中得到一个铁的 "D"，它会告诉你她没有作弊，即斜率角的正切必须趋于零，实验次数趋于无穷大为1/n。
这是一个维纳系列的发生器。
这是在vinaire上。
我只想说：我的最后一张图表什么都没留下，我本想在那里寻找 "奇迹 "的原因--iFractals 又无耻地欺骗了我。当我写完自己的iFractals后，一切都清楚了，也就是说，奇迹消失了 :)
祝你好运，同事们