文章 "使用MQL5和Python构建自优化EA（第二部分）：调整深度神经网络" 新评论 MetaQuotes 2025.02.26 09:11 新文章 使用MQL5和Python构建自优化EA（第二部分）：调整深度神经网络已发布： 机器学习模型带有各种可调节的参数。在本系列文章中，我们将探讨如何使用SciPy库来定制您的AI模型，使其适应特定的市场。 Nelder-Mead算法是解决噪声、不可微分以及非线性多模态优化问题的常用选择。该算法由其发明者约翰·内尔德（John Nelder）和罗杰·米德（Roger Mead）命名，他们在1965年的论文《函数最小化的单纯形法》中首次介绍了这一算法。可以用于单变量和多变量优化问题。Nelder-Mead算法不依赖导数信息；相反，它是一种基于模式搜索的优化算法。它需要用户提供一个起始点。根据选定的起始点，算法可能会陷入误导性的局部最优解。因此，使用不同的起始点多次执行优化过程，可以增加找到全局最优解的机会。 该算法通过使用一种称为单纯形的几何形状来工作。单纯形的顶点数量等于输入变量的数量加一。单纯形的点（顶点）会被评估，并且会根据这些评估结果，使用简单的规则来移动这些点。算法具有某些停止条件，例如达到最大迭代次数或实现评估值的最小变化。如果没有进一步的改进，或者超过了允许的迭代次数，优化过程就会停止。 作者：Gamuchirai Zororo Ndawana 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 使用MQL5和Python构建自优化EA（第二部分）：调整深度神经网络已发布：
机器学习模型带有各种可调节的参数。在本系列文章中，我们将探讨如何使用SciPy库来定制您的AI模型，使其适应特定的市场。
Nelder-Mead算法是解决噪声、不可微分以及非线性多模态优化问题的常用选择。该算法由其发明者约翰·内尔德（John Nelder）和罗杰·米德（Roger Mead）命名，他们在1965年的论文《函数最小化的单纯形法》中首次介绍了这一算法。可以用于单变量和多变量优化问题。
Nelder-Mead算法不依赖导数信息；相反，它是一种基于模式搜索的优化算法。它需要用户提供一个起始点。根据选定的起始点，算法可能会陷入误导性的局部最优解。因此，使用不同的起始点多次执行优化过程，可以增加找到全局最优解的机会。
该算法通过使用一种称为单纯形的几何形状来工作。单纯形的顶点数量等于输入变量的数量加一。单纯形的点（顶点）会被评估，并且会根据这些评估结果，使用简单的规则来移动这些点。算法具有某些停止条件，例如达到最大迭代次数或实现评估值的最小变化。如果没有进一步的改进，或者超过了允许的迭代次数，优化过程就会停止。
作者：Gamuchirai Zororo Ndawana