文章 "利用 MQL5 矩阵的反向传播神经网络" 新评论 MetaQuotes 2023.07.17 09:17 新文章 利用 MQL5 矩阵的反向传播神经网络已发布： 本文讲述在 MQL5 中利用矩阵来应用反向传播算法的理论和实践。 它还提供了现成的类，以及脚本、指标和智能交易系统的示例。 正如我们将在下面看到的，MQL5 提供了大量的内置激活函数。 函数的选择应基于特定问题（回归、分类）。 通常，可以选择几个函数，然后经由验正找到最优的一个。 流行的激活函数 激活函数可以具有不同的数值范围、有限或无限。 特别是，sigmoid(3) 将数据映射到范围 [0,+1]，这对于分类问题更好；而双曲正切将数据映射到范围 [-1,+1]，假设范围，推测这对于回归和预测问题更佳。 作者：Stanislav Korotky 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 利用 MQL5 矩阵的反向传播神经网络已发布：
本文讲述在 MQL5 中利用矩阵来应用反向传播算法的理论和实践。 它还提供了现成的类，以及脚本、指标和智能交易系统的示例。
正如我们将在下面看到的，MQL5 提供了大量的内置激活函数。 函数的选择应基于特定问题（回归、分类）。 通常，可以选择几个函数，然后经由验正找到最优的一个。
流行的激活函数
激活函数可以具有不同的数值范围、有限或无限。 特别是，sigmoid(3) 将数据映射到范围 [0,+1]，这对于分类问题更好；而双曲正切将数据映射到范围 [-1,+1]，假设范围，推测这对于回归和预测问题更佳。
作者：Stanislav Korotky