文章 "数据科学与机器学习 — 神经网络(第 01 部分):前馈神经网络解密"

 

新文章 数据科学与机器学习 — 神经网络(第 01 部分):前馈神经网络解密已发布:

许多人喜欢它们,但却只有少数人理解神经网络背后的整个操作。 在本文中,我尝试用淳朴的语言来解释前馈多层感知,解密其封闭大门背后的一切。

双曲正切函数。

给出它的公式:

tanh 公式

其图形如下所示:

tanh 激活函数示意图

作者:Omega J Msigwa

 

您好、

您的文章写得非常好。干得好!


我一直在阅读有关神经网络 的文章,但直到现在我还没弄明白神经网络与 MT5 优化系统本身相比有哪些优势或不同之处。

举个例子:如果我有一些使用 MACD 和 ATR 的策略,我可以对其进行 "训练",以找出 MT5 优化系统的最佳参数。我还可以在指标或其他数据中加入权重系统。

两者都将在过去搜索最佳参数或 "权重",以便在未来使用。

也许我错了,没有理解整个想法。


您能解释一下吗?或者举几个例子?

Neural Networks: From Theory to Practice
Neural Networks: From Theory to Practice
  • www.mql5.com
Nowadays, every trader must have heard of neural networks and knows how cool it is to use them. The majority believes that those who can deal with neural networks are some kind of superhuman. In this article, I will try to explain to you the neural network architecture, describe its applications and show examples of practical use.
 
Guilherme Mendonca #:

...

您能解释一下吗?或者举几个例子?

在策略测试仪上进行优化与优化神经网络参数之间的区别在于目标,在策略测试仪上,我们倾向于关注能提供最有利输出或至少是我们想要的交易结果的参数,这并不一定意味着神经网络有一个好的模型,能带来这样的结果。

有些人喜欢将权重和偏差作为基于神经网络系统的输入参数(粗略地说是前馈),但我认为使用策略测试仪进行优化基本上是在寻找最佳结果的随机值(寻找最优听起来像是靠运气),而如果我们使用随机梯度下降法进行优化,我们就会朝着每一步预测误差最小的模型前进

 
Omega J Msigwa #:

在策略测试仪上进行优化与优化神经网络参数之间的区别在于目标,在策略测试仪上,我们倾向于关注能提供最有利输出或至少是我们想要的交易结果的参数,这并不一定意味着神经网络有一个好的模型,能带来这样的结果。

有些人喜欢将权重和偏差作为基于神经网络系统的输入参数(粗略地说是前馈),但我认为使用策略测试仪进行优化基本上是在寻找最佳结果的随机值(寻找最优听起来像是靠运气),而如果我们使用随机梯度下降法进行优化,我们就会朝着每一步预测误差最小的模型前进

感谢您的回复。

我明白你的意思了。

 

为什么要从第一部分开始?

旧文章:

数据科学与机器学习(第 01 部分):线性回归

https://www.mql5.com/zh/articles/10459

Data Science and Machine Learning (Part 01): Linear Regression
Data Science and Machine Learning (Part 01): Linear Regression
  • www.mql5.com
It's time for us as traders to train our systems and ourselves to make decisions based on what number says. Not on our eyes, and what our guts make us believe, this is where the world is heading so, let us move perpendicular to the direction of the wave.
 
Xiaolei Liu #:

为什么要从第一部分开始?

旧文章:

数据科学与机器学习(第 01 部分):线性回归

https://www.mql5.com/zh/articles/10459

什么意思?

 
Xiaolei Liu #:

为什么要从第一部分开始?

旧文章:

数据科学与机器学习(第 01 部分):线性回归

https://www.mql5.com/zh/articles/10459

我猜这是神经网络子系列的第一部分。正在等待第二部分...