文章 "优化中自定义准则的新方法（第一部分）：激活函数示例" 新评论 MetaQuotes 2025.12.05 09:16 新文章 优化中自定义准则的新方法（第一部分）：激活函数示例已发布： 本系列文章首篇将探讨自定义准则的数学原理，重点聚焦神经网络中使用的非线性函数、MQL5实现代码，以及目标导向与校正偏移量的应用。 自定义准则的定义能力，甚至利用其不透明方法论的复合准则，使得减少在Excel、Python、R或专有软件中对结果进行解析或至少分析的工作量成为可能，从而获得最优的参数排列组合。 其问题在于，在已发布的自定义准则中，使用“return(0)”的情况仍屡见不鲜。这样存在实际或潜在的危险，包括可能丢弃（勉强）不符合要求的结果，或者更糟的是，使遗传优化过程偏离潜在的有效路径。 在试图重现一些基本原理的过程中，我进行了一些符合实证的实验，尝试寻找一些曲线方程。为此，我查阅了《神经网络中的激活函数》一文，并对其中的一些函数进行了改编，以便在此处使用。此外，在阐明这些函数后，我还提出了一些将其付诸实践的方法。 本系列文章的结构如下： 引言及标准激活函数（附MQL5代码） 修改、缩放、加权及实际案例 探索不同曲线、缩放和加权的工具 其他可能出现的问题…… 作者：Andrew Thompson 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 优化中自定义准则的新方法（第一部分）：激活函数示例已发布：
自定义准则的定义能力，甚至利用其不透明方法论的复合准则，使得减少在Excel、Python、R或专有软件中对结果进行解析或至少分析的工作量成为可能，从而获得最优的参数排列组合。
其问题在于，在已发布的自定义准则中，使用“return(0)”的情况仍屡见不鲜。这样存在实际或潜在的危险，包括可能丢弃（勉强）不符合要求的结果，或者更糟的是，使遗传优化过程偏离潜在的有效路径。
在试图重现一些基本原理的过程中，我进行了一些符合实证的实验，尝试寻找一些曲线方程。为此，我查阅了《神经网络中的激活函数》一文，并对其中的一些函数进行了改编，以便在此处使用。此外，在阐明这些函数后，我还提出了一些将其付诸实践的方法。
本系列文章的结构如下：
作者：Andrew Thompson