ニューラルネットワーク-HMA

1. 入力の知識で構成されるレイヤーを入力してください
2. ニューロンと呼ばれる処理ノードで構成される非表示層
3. 出力層は、1またはニューロンの数で構成され、その出力は、コミュニティの出力です。

隣接するレイヤのすべてのノードが相互に接続されます。これらの接続は、シナプスと呼ばれます。各シナプスには、シナプスによって伝播される情報を乗算するスケーリング係数が割り当てられています。これらのスケーリング係数は重み (w [i] [j] [k]) と呼ばれます。フィードアヘッドニューラルネットワーク (FFNN) では、入力から出力に情報が伝達されます。ここでは、1つのレイヤー、1つの出力層と2つの非表示のレイヤーを入力して FFNN のインスタンスです:

接続された画像 (拡大するにはをクリックしてください)

FFNN のトポロジは、通常、次のように省略されます: < # の入力 >-< # 最初の非表示レイヤー内のニューロンの >-< # 2 番目の非表示レイヤー内のニューロンの >-...-< # 出力 >。上記のコミュニティは、4-3-3-1 コミュニティとして知られることがあります。情報は、2つのステップでニューロンによって処理され、それに応じて合計信号とステップ信号によって円全体にわたって証明:

1. すべての入力に関連するウェイトが乗算され、合計
2. その後の合計は、ニューロンの活性化を実行することによって処理されます, その出力は、ニューロンの出力です.

それはニューロンの活性化は、神経コミュニティのマネキンに非直線性を提供する実行です。それによって、隠された層を持つ動機のような物がないし、神経のコミュニティは線形自動回帰 (AR) のマネキンに回る。☝私はコーディングのような支援の任意の並べ替えを提示することはできません (一緒に供給コード) とトラブルシューティングサービス。今のところ、それはあなたが標準的な TDI インジケーターを使用する方法のデータ/才能で武装している限り、このインジケーターを使用することが可能です。あなたは、さらにあなたの選択に主に基づいてパラメータ/設定を調整することができます。☢は、これらの指標が完全にまたはアウトエラーで動作することを保証されていない方法で。したがって、個々の脅威で使用します。私はシステムの害、金銭的損失、さらには生活の欠如のための法的責任のために解決します。

接続された画像 (拡大するにはをクリックしてください)

追加日: 06:24 PM |火曜日, 12 6 月 2018 |グリニッジは時間を意味する (GMT)

接続ファイル

Neural-Network_Hull-MA_Jurik 128 KB |64ダウンロード (今週)