文章 "MQL5 中的矩阵和向量：激活函数"
酷
感谢您的文章！
剧本很实用，谢谢。
我也制作了一些：
ReLu + Sigmoid + Shift 捕获从 0.0 到 1.0 的输出（输入 -12 到 12）
double activationSigmoid(double x){ return(1/(1+MathExp(-1.0*x))); } double derivativeSigmoid(double activation_value){ return(activation_value*(1-activation_value)); } double activationReLuShiSig(double x,double shift=-6.0){ if(x>0.0){ return(activationSigmoid(x+shift)); } return(0.0); } double derivativeReLuShiSig(double output){ if(output>0.0){ return(derivativeSigmoid(output)); } return(0.0); }
有限指数.af=f' （输入 -5.0 至 5.0）
double activationLimitedExponential(double x){ return(MathExp(x)/149.00); } //而导数本身就是 double derivativeLimitedExponential(double x){ return(x); }
👨🔧
新文章 MQL5 中的矩阵和向量：激活函数已发布：
在此，我们将只讲述机器学习的一个方面 — 激活函数。 在人工神经网络中，神经元激活函数会根据一个或一组输入信号的数值，计算输出信号值。 我们将深入研究该过程的内部运作。
激活函数及其导数的图形基于从 -5 到 5 的单调递增序列来描图。 在价格图表上显示函数图的脚本也已开发完毕。 显示打开文件对话框，可通过按 “下一页（Page Down）”键来指定保存图像的文件名称。
ESC 键终止脚本。 脚本本身附在下面。
作者：MetaQuotes