文章 "数据科学与机器学习 — 神经网络(第 02 部分):前馈神经网络架构设计" 新评论 MetaQuotes 2022.12.14 08:38 新文章 数据科学与机器学习 — 神经网络(第 02 部分):前馈神经网络架构设计已发布: 在我们透彻之前,还有一些涵盖前馈神经网络的次要事情,设计就是其中之一。 针对我们的输入,看看我们如何构建和设计一个灵活的神经网络、隐藏层的数量、以及每个网络的节点。 我们都知道,当涉及到优化新参数时,硬编码模型会落入钝化,整个过程很耗时,会导致头痛、背部疼痛、等等,(太不值了)。 如果我们抵近观察神经网络背后的操作,您会注意到每个输入都被乘以分配给它的权重,然后它们的输出被添加到乖离之中。 矩阵运算可以很好地处理这一点。 作者:Omega J Msigwa 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
新文章 数据科学与机器学习 — 神经网络(第 02 部分):前馈神经网络架构设计已发布:
在我们透彻之前,还有一些涵盖前馈神经网络的次要事情,设计就是其中之一。 针对我们的输入,看看我们如何构建和设计一个灵活的神经网络、隐藏层的数量、以及每个网络的节点。
我们都知道,当涉及到优化新参数时,硬编码模型会落入钝化,整个过程很耗时,会导致头痛、背部疼痛、等等,(太不值了)。
如果我们抵近观察神经网络背后的操作,您会注意到每个输入都被乘以分配给它的权重,然后它们的输出被添加到乖离之中。 矩阵运算可以很好地处理这一点。
作者:Omega J Msigwa