在交易中使用神经网络 - 页 25 1...181920212223242526272829303132...40 新评论 Леонид 2013.04.23 19:44 #241 TimeMaster: 我可以提出一个非常疯狂的观点。我不认为你会认为神经网络比人脑 "笨 "很多很多。那么，在交易中使用它们只是使整个画面变得更加简单。IMHO... 你是什么意思，"简化了整个画面"？ Jeremy Falcon 2013.04.23 19:46 #242 TimeMaster: 我有一个疯狂的想法。我不认为你会认为神经网络比人脑 "笨 "很多很多。那么，在交易中使用它们只是使整个画面变得更加简单。IMHO...为什么你对这些神经网络如此痴迷？你想要什么，外汇还是神经？:) Дмитрий 2013.04.23 20:15 #243 LeoV: 你说的 "从整体上简化了画面 "是什么意思？ 当大脑分析时，有更多的神经元参与其中。联想、记忆、动机、视觉感知，都比神经网络要复杂得多。这就是我放在大局观里的概念。如果这些行动的一部分可以由神经网络来完成，那么整个系统将变得更简单，因此在你看来也会更好。 Дмитрий 2013.04.23 20:16 #244 IronBird: 一个关于神经网络的论坛主题。我并不挂念他们，但我认为有使用他们的前景。我不认为倒面团有什么意义，纯粹是基于 "我认为"。我想在技术分析和数学方面找到支持。简而言之，就是要 "做一根稻草"。见本主题第三帖的第24页... Леонид 2013.04.23 22:04 #245 TimeMaster:当大脑分析时，有更多的神经元参与其中。联想、记忆、动机、视觉感知，都比神经网络要复杂得多。这就是我放在大局观里的概念。如果一个神经网络可以做其中的一些事情，那么整个系统就会更简单，因此，在你看来，会更好。 不清楚当使用比大脑更少的神经元的人工神经网络时，外汇狙击手或一些金融时间序列如何能变得更简单或更好？行动将如何在大脑和神经网络之间共享？ Debugger 2013.04.24 06:44 #246 总结我关于神经网络的所有陈述，我可以告诉所有的神经传真的爱好者们。有一些算法比这些传说中的网络更简单，效果也不差。 Дмитрий 2013.04.24 07:26 #247 LeoV: 不清楚一个神经元比大脑少的人工神经网络如何能简化或更好地使用人工外汇或某种时间序列？ 显然，市场不会变得更简单。这将更容易进行分析。没有人拒绝使用指示器来加快和简化对市场状况的分析。 Aleksei Morozov 2013.07.20 20:58 #248 我们可以打一个比方：聪明的、目光敏锐的、多神经的人盯着 "物体 "看，看到很多很多的色点。而哑巴和视力受损的人也走了过来。他看不到这些点，它们超出了他的范围。但他以 "年轻人的肖像 "的形式看到了 "一般 "的视角，例如......。在研究材料时，我的印象是越简单越好。这 "缺乏 "比 "过度 "好。更多的时候，事实证明，稀缺性（当然是在合理的范围内）使电网学习，而过剩则是记忆。我的个人实验（纯粹是研究，阅读，实验室工作）表明，如果送入网络的数据有一个模式，那么一个简单的单层感知器只需几个 epochs就能学习。但如果数据很紧张，我们至少可以放入十个图层和几个埃尔曼（Jordaan）图层以及莱文伯格的梯度。但仍然没有任何消息传出。我应该纠正Debugger - 输入数据很重要。但它们的重要性不在于其本身，而必然是 "相关 "或 "相对 "的。但作为Debugger描述的一个特殊情况，它也有权利存在。而 "原始 "价格很可能被塞进电网。例如，近似器和回归器与它们一起工作。 2个TimeMaster。我同意你的观点。当我自己开始挖掘神经学科时，正如我现在所记得的那样，我对教什么的问题没有异议。主要问题是如何教学。由于掌握了这个问题，主要的问题解散了，第一个解散了。目前，我知道如何教学，但我不知道教什么（不知道）。 Aleksei Morozov 2013.07.20 21:30 #249 这里有一个例子...虽然，我有一些怀疑，证明了这个例子。我很不好意思这么扫兴地谴责......哦，来吧。这是一个 "实验室"。这是一个标准的（没有更标准的）单层感知器。 这里的重点很简单--它是一个乘法表））。我手工制作了这个表格，我将所有数字从1到9相乘（从1x9到9x1），即我得到了81个例子。我把16个例子移到一个单独的文件中。第一个文件作为输入被送入网格（65个例子），第二个文件作为交叉验证（16个例子）。什么是交叉验证？这是在训练期间立即对网格在未知数据上的可训练性进行测试。左边的图是训练。右图是交叉验证，即在网格从未见过的数据上运行网格。而我们看到的是什么？交叉验证是完美的。也就是说，网格已经为它所不知道的作品找到了完全正确的答案。换句话说，电网已经学会了。因此，第一个结论是，网格会学习。第二个结论是，"网络确实在学习"，所以如果 "网络不学习"，问题根本就不在 "网络"。唉......。 [删除] 2013.07.21 04:58 #250 雷克索斯，我有一个问题要问你。我想了解更多关于神经网络的信息......我应该从哪里开始？我应该读什么书，参加什么课程来学习？当然，不要把我送到谷歌。在网站上给我建议......嘿，嘿，莫达猛龙......这不是广告，他妈的......我需要......我真的需要，请帮助我 1...181920212223242526272829303132...40 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
我可以提出一个非常疯狂的观点。
我不认为你会认为神经网络比人脑 "笨 "很多很多。
那么，在交易中使用它们只是使整个画面变得更加简单。
IMHO...
我有一个疯狂的想法。
我不认为你会认为神经网络比人脑 "笨 "很多很多。
那么，在交易中使用它们只是使整个画面变得更加简单。
IMHO...
为什么你对这些神经网络如此痴迷？你想要什么，外汇还是神经？:)
你说的 "从整体上简化了画面 "是什么意思？
当大脑分析时，有更多的神经元参与其中。联想、记忆、动机、视觉感知，都比神经网络要复杂得多。这就是我放在大局观里的概念。
如果这些行动的一部分可以由神经网络来完成，那么整个系统将变得更简单，因此在你看来也会更好。
一个关于神经网络的论坛主题。
我并不挂念他们，但我认为有使用他们的前景。
我不认为倒面团有什么意义，纯粹是基于 "我认为"。我想在技术分析和数学方面找到支持。简而言之，就是要 "做一根稻草"。
见本主题第三帖的第24页...
当大脑分析时，有更多的神经元参与其中。联想、记忆、动机、视觉感知，都比神经网络要复杂得多。这就是我放在大局观里的概念。
如果一个神经网络可以做其中的一些事情，那么整个系统就会更简单，因此，在你看来，会更好。
不清楚当使用比大脑更少的神经元的人工神经网络时，外汇狙击手或一些金融时间序列如何能变得更简单或更好？行动将如何在大脑和神经网络之间共享？
总结我关于神经网络的所有陈述，我可以告诉所有的神经传真的爱好者们。
有一些算法比这些传说中的网络更简单，效果也不差。
不清楚一个神经元比大脑少的人工神经网络如何能简化或更好地使用人工外汇或某种时间序列？
我们可以打一个比方：聪明的、目光敏锐的、多神经的人盯着 "物体 "看，看到很多很多的色点。而哑巴和视力受损的人也走了过来。他看不到这些点，它们超出了他的范围。但他以 "年轻人的肖像 "的形式看到了 "一般 "的视角，例如......。在研究材料时，我的印象是越简单越好。这 "缺乏 "比 "过度 "好。更多的时候，事实证明，稀缺性（当然是在合理的范围内）使电网学习，而过剩则是记忆。我的个人实验（纯粹是研究，阅读，实验室工作）表明，如果送入网络的数据有一个模式，那么一个简单的单层感知器只需几个 epochs就能学习。但如果数据很紧张，我们至少可以放入十个图层和几个埃尔曼（Jordaan）图层以及莱文伯格的梯度。但仍然没有任何消息传出。我应该纠正Debugger - 输入数据很重要。但它们的重要性不在于其本身，而必然是 "相关 "或 "相对 "的。但作为Debugger描述的一个特殊情况，它也有权利存在。而 "原始 "价格很可能被塞进电网。例如，近似器和回归器与它们一起工作。
2个TimeMaster。我同意你的观点。当我自己开始挖掘神经学科时，正如我现在所记得的那样，我对教什么的问题没有异议。主要问题是如何教学。由于掌握了这个问题，主要的问题解散了，第一个解散了。目前，我知道如何教学，但我不知道教什么（不知道）。
这里有一个例子...虽然，我有一些怀疑，证明了这个例子。我很不好意思这么扫兴地谴责......哦，来吧。这是一个 "实验室"。这是一个标准的（没有更标准的）单层感知器。
这里的重点很简单--它是一个乘法表））。我手工制作了这个表格，我将所有数字从1到9相乘（从1x9到9x1），即我得到了81个例子。我把16个例子移到一个单独的文件中。第一个文件作为输入被送入网格（65个例子），第二个文件作为交叉验证（16个例子）。什么是交叉验证？这是在训练期间立即对网格在未知数据上的可训练性进行测试。左边的图是训练。右图是交叉验证，即在网格从未见过的数据上运行网格。而我们看到的是什么？交叉验证是完美的。也就是说，网格已经为它所不知道的作品找到了完全正确的答案。换句话说，电网已经学会了。因此，第一个结论是，网格会学习。第二个结论是，"网络确实在学习"，所以如果 "网络不学习"，问题根本就不在 "网络"。唉......。