文章 "第三代神经网络:深度网络" - 页 14

 
Rashid Umarov:
请正确插入代码。我修改了
谢谢。我一下子没反应过来这是什么按钮。
 
Vladimir Perervenko:

下午好

我们说的是什么剧本?

你能详细描述一下脚本的内容吗?

据我所知,你设法在测试仪中用 R 进程运行了脚本?

如果是这样,那就有意思了。

请花点时间尽可能详细地描述一下。R 进程是在客户端-服务器捆绑还是在单个 Rterm 中执行的?

是的,它在客户端-服务器绑定中运行。

如何尽可能简单地解释?

我把OnTimer() 函数中的代码转换成了 OnTick() 和 OnTimer() 的通用函数。我唯一添加的是自定义模式开关和 tick 计数器。

所有其他启动程序保持不变。稍后,我将在论坛所附的脚本中实现该函数,并将其发布。

PS: MQL4 文档指出,OnTimer() 函数在测试器中根本不起作用。

 
kimkarus:

是的,这是客户服务器。

我该如何尽可能简单地解释呢?

我把OnTimer() 函数 的代码转换成了 OnTick() 和 OnTimer() 的通用函数。我唯一添加的是一个自定义模式开关和一个 tick 计数器。

所有其他启动程序保持不变。稍后,我将在论坛所附的脚本中实现该函数,并将其发布。

PS: MQL4 文档说 OnTimer() 函数在测试器中根本不起作用。

我理解 OnTimer()。

您在客户端-服务器端连接上做了什么新动作吗?

我还是没弄好。不仅是我,从英语主题的帖子来看也是如此。

祝你好运

 

按照承诺,我已将本地 SAE 附加到 MQL4,以便在策略测试器中使用。

i_SAE

e_SAE

替换原件,重新编译 *.ex。

启动测试器,选择 e_SAE,设置 Enable timer = false 和 Count ticks = 120(对我来说这是最佳值)。启动。

我们增加速度,等待左侧的神奇信息 "OPP = CLOSE....",然后降低速度。之后,在图形中添加 i_SAE,发送到服务器 = true。增加一点速度。我们等待最终结果。

我的 R 是 3.2.2 版,请务必比较两个文件中的版本!

祝您实验成功!

e_SAE

 
您好,找到解决服务器插座问题的方法了吗?
 

Hi,

Attached to the article, an updated expert.

Get out of there.

Best regards

Vladimir

 

下午好

说得好谢谢。

现在让我们在测试器中检查一下它是如何工作的,在以后使用 R 的示例中,我将加入这一功能。

在新的 DNRBM 文章的附件中,有一个重新设计的 DNSAE EA 版本,它具有自学习功能,但没有服务器。

请进行测试。

祝您好运

 
您好,我看到您使用了 11 个振荡器指标作为输入,我在 Mt4 中使用了一些指标,但它们不是振荡器,我如何才能添加或替换您文章中提到的这些指标呢?

堆叠 RBM (DN_SRBM) https://www.mql5.com/zh/articles/1628

Deep neural network with Stacked RBM. Self-training, self-control
Deep neural network with Stacked RBM. Self-training, self-control
  • 2016.04.26
  • Vladimir Perervenko
  • www.mql5.com
This article is a continuation of previous articles on deep neural network and predictor selection. Here we will cover features of a neural network initiated by Stacked RBM, and its implementation in the "darch" package.
 
令人着迷。

,有趣的是,如果人类沉浸在一项任务中,那么人类就会提高
,而如果机器也这样做,那么它可能会停留在局部最优状态。

,也许算法沉浸可以从 "研究 "范式发展到 "执行 "范式。

,很棒的文章。谢谢。
 
Vladimir Perervenko:


同样,在模型恶化之前,我们会有大约 5 周的盈利阶段。

这是正常现象。 模型可以 而且 应该定期 重新学习

我认为将数据分为测试数据和训练数据是不必要的:我们可以使用所有数据进行训练。

可以 记住几个 要点很重要�
1. 训练 测试 集不应交叉�
2. 训练 集应 混合使用

3. 如果 的比例 平衡 --要进行 调整。

我很高兴 同事使用 R。

致以最崇高的敬意

弗拉基米尔

您好、

请帮我澄清一下我对神经网络 (NN) 的一些负面偏见。

  1. 您是否应该首先优化要放入神经网络的指标?
  2. 然后再优化神经网络的参数
  3. 还是同时优化神经网络和指标的参数?
  4. 要优化的变量越多,过度适应的危险不是越大吗?
  5. 如果 1.和 2.的数据集相同,这难道不会导致我过度适应数据集吗?
  6. 这不正是"在模型恶化之前,我们有大约 5 周的盈利阶段"所表明的吗。
  7. a) 假设我们有一堆经过测试人员优化的指标,现在
    b) 我们运行测试人员的第二次优化,只是为了检查我们需要哪些优化指标(*)
    c) 这样我们就有了更少的优化指标
    d) 我需要 NN 做什么?
  8. 您知道根据输入、层数和感知器的数量,NN 需要多大的数据集吗?


(*)不幸的是,如果您在遗传模式下运行 mt4'优化器,并试图绕过某些参数集(例如,不测试 "指标-A "是否为 "开"),从 OnInit() 返回 "INIT_PARAMETERS_INCORRECT",遗传算法仍将其视为有效通过,这将减少算法停止前实际执行的通过数,而通过数是终止标准之一。