混合神经网络。 - 页 6

 
joo писал(а)>>

试着在这个指标上写一个专家顾问。我想结果会让你吃惊。令人不快的是...

在一个这样的指标上写一个专家顾问是愚蠢的。

 
gumgum >> :

我在指标的初始化阶段进行教学。然后它自己思考...


在init()遗传学或错误反向传播中?
 
IlyaA писал(а)>>

在init()基因中还是反向错误传播中?

反面。终端挂起约7秒。

 
gumgum >> :

在这样一个指标上写一个专家是很愚蠢的。

我并没有说这是唯一的一个。

 
gumgum >> :

在这样一个指标上写一个专家是很愚蠢的。


看。一定要检查是否有过度训练。当你完成后,你需要确定它是如何向自己思考的。要做到这一点,你需要取消设置尺度,分析神经元的振幅。我不知道如何在MT4中做到这一点。但这是非常重要的。在你发现信号之前,你不应该真实地进入市场。
 
gumgum >> :

反面。终端挂起约7秒。

我是这样做的。我运行训练脚本,它将网络的所有设置写入一个文件中。该指标从文件中读取信息。我对自动训练做了一些微调。原则仍然是一样的。该指标连续运行,并在每个柱子上检查文件的变化。

 

我只是想为这个指标找一个网格

底层的一个(Waytoway)。

 
gumgum >> :

我想给这个指标附加一个网格

韦托维。

这值得吗(指标)?我在我的一项研究中做了相反的事情--我根据主要读数建立了指标。

 
IlyaA >> :
汇报一下噪音情况。

已回答。上一页的几个帖子。

 
joo >> :

如果你的意思正是通过平均化来抑制噪声,这不是一个好主意。

将马赫推断到BP是一个死问题,而且不是使用NN的最佳方式。

你不必为使大脑更聪明而阉割它。它需要被正确地训练,在这个过程中不使用平均过滤器。不过,绝育是什么意思呢?我不知道你在输入什么。也许20个神经元已经很多了,也许10000个神经元还不够。你真的不需要试图让NN记住一两个 "窍门"。一个经过适当训练的网络能够从它所掌握的稀缺信息中提取它不知道的数据。

"不要读太多的书 "C--我不记得谁说过....。


我描述的任务没有触动你吗?这有点像到处都是。不可能。大多数无线电电子设备都是根据这一原则建立的。

我们不进行推断或平均,而是进行隔离。噪声集成在这里起作用。

人们如何学习?:)他们读了一个主题,然后是另一个主题。每个主题都是单独研究的。然后进行归纳。而这样一来,你的格子就会死记硬背,不会泛起什么。会变得心胸狭窄。

没有读过很多书,你有什么建议?看电视,用头撞墙?