文章 "神经网络实践:割线"

 

新文章 神经网络实践:割线已发布:

正如理论部分已经解释的那样,在使用神经网络时,我们需要使用线性回归和导数。为什么呢?原因是线性回归是现存最简单的公式之一。从本质上讲,线性回归只是一种仿射函数。然而,当我们谈论神经网络时,我们对直接线性回归的影响并不感兴趣。我们感兴趣的是生成这条直线的方程。我们对创建出的线并不感兴趣。你知道我们需要理解的主要方程吗?如果没有,我建议您阅读这篇文章来了解它。

亲爱的读者朋友们,欢迎你们阅读一个不会被当作系列文章处理的话题。

虽然很多人可能会认为,最好就人工智能这一主题发布一系列文章,但我无法想象如何才能做到这一点。大多数人不了解神经网络的真正目的,因此也不了解所谓的人工智能。

因此,我们不在这里详细讨论这个话题。相反,我们将重点关注其他方面。因此,您可以按照任何顺序阅读我关于这一主题的文章,重点阅读与您相关的材料。我们将尽可能广泛地探讨神经网络和人工智能这一主题。这里的主要目的不是创建一个面向市场或特定任务的系统,而是解释和展示计算机程序如何能够做到媒体所展示的、令许多人着迷的事情,让他们相信神经网络或人工智能可以具有某种程度的意识。

我认为神经网络和人工智能是有区别的,当然,这只是我的看法。在这些文章中,你会发现人工智能和神经网络并没有什么特别之处。它只是一个经过深思熟虑的程序,旨在实现一个特定的目标。不过,我们还是不要操之过急。首先,我们必须通过不同的阶段来了解一切是如何运作的。除了 MQL5,我们不会使用任何其他软件。

对我来说,这将是一项个人挑战。我只是想告诉大家,只要有正确的概念和对事物实际运作方式的理解,你就可以使用任何语言来创建本文将展示的内容。因此,我祝愿大家阅读愉快,并希望这些文章能引起你们的兴趣,丰富你们对这一主题的认识。

作者:Daniel Jose