文章 "您应当知道的 MQL5 向导技术（第 18 部分）：配合本征向量进行神经架构搜索"

新评论
 

新文章 您应当知道的 MQL5 向导技术（第 18 部分）：配合本征向量进行神经架构搜索已发布：

神经架构搜素，是一种判定理想神经网络设置的自动化方式，在面对许多选项和大型测试数据集时可能是一个加分项。我们试验了当本征向量搭配时，如何令这个过程更加高效。

如果我们选择利用神经网络来定义训练数据集与其目标之间的关系，如本文的情况，那么我们就必须正视一个问题，即这个网络将采用什么设置？网络有若干种类型，这意味着适用的设计和设置也很多。至于本文，我们研究一个非常基本的情况，往往被称为多层感知器。配以该类型，我们要详述的设置仅是隐藏层的数量、和每个隐藏层的大小。

NAS 典型情况下有助于识别这 2 个设置，以及更多。举例，即使配以简单 MLP，使用哪种激活类型、初始权重、以及初始背离等问题，仍旧是影响网络性能和准确性的敏感因素。不过，于此略过了这些内容，因为搜索空间拓展太广，即使是中等规模数据集，正向和反向传播所需的计算资源也会令人望而却步。


作者：Stephen Njuki

新评论