十月 11, 2018
發表者: 外匯維基團隊
類別: 免費外匯 EA

※ニューラルネットワーク─船体転写コモン (HMA) & 偏差スケール転写コモン (迪斯曼公司) ※☛は HMA アルゴリズムを利用しますしかし、この1つは、その後のゼロラグに低ラグからの変化です... 次と融合した: ↓☛ Jurik フィルタ/平滑化およびカスタマイズ MA 品種☛偏差-スケール転送共通アルゴリズム☛より高い & 最大の方法 (高い & APB 計算) 注意してください: 一次チャートインジケーターでのボリュームの最大使用量─インジケーターがオフに設定することをお勧め/神経ネットワークの動き過渡原理を置き換える: ニューラルコミュニティは、入力の機能として出力の調整可能なマネキンです。これは、いくつかの層で構成されます。

入力の知識で構成されるレイヤーを入力してください
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
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。各シナプスには割り当てられたスケーリング係数があり、これによってシナプスによって伝播された情報に乗算が行われます。これらのスケーリング係数は重み (w [i] [j] [k]) として知られています。フィードアヘッドニューラルネットワーク (FFNN) では、情報は入力から出力に伝達されます。ここでは、1つのレイヤー、1つの出力層、および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:

接続された図

FFNN のトポロジーは、一般的に次のように省略されます: <# of="" inputs="">- <# of="" neurons="" within="" the="" first="" hidden="" layer="">- <# of="" neurons="" within="" the="" second="" hidden="" layer="">-...- <# of="" outputs="">。</#> </#> </#> </#> 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ている可能性があります。情報は、2つのステップでニューロンによって処理されます, それに応じて合計信号とステップ信号によって円全体で証明:

すべての入力に関連するウェイトが乗算され、合計
その後の合計は、ニューロンの活性化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して動作します。それを持つ, そこに隠された層を持っている動機ではありません, と神経コミュニティは、リニアオート回帰 (AR) マネキンに変身. ✜偏差-スケール転送共通 (迪斯曼公司) ✜ブランドの新しい DS碩士ジョンエーレルスによって作られ、TASC ジャーナルの7月2018の状況内で紹介した。 DSMA は、動的平滑係数と共通の指数転写として機能する知識平滑化手法である。スムージング係数は、主に値の変更の大きさに基づいて、機械的に最新のものになります。偏差スケールの伝達共通の中では、暗示からの通常の偏差はこの大きさの測定であるために選ばれる。その後のインジケーターは、値の変更が小さい場合でも情報の大幅なスムージングを提供し、それらの変更にすぐに適応します。作家は、そのデザインのために、それは最小限のラグがあるが、かなりの平滑化を提示する準備ができて説明します。それにもかかわらず、ニューラルネットワーク-HMA & DSMA インジケータは、ゼロラグ HMA システムと混合 Jurik フィルタ/平滑化と融合されています。

接続された画像 (點擊放大)

☝私は (一緒に供給コード) とトラブルシューティングサービスのコーディングのような支援の任意の種類を提示することはできません。 ☢は、このインジケーターが完全にまたはアウトエラーで動作することを保証するものではありません。従って、あなたの個人的な危険で使用しなさい;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。 最終的な取り替え: 8:00 AM 木曜日, 11 10 月2018グリニッジ標準時 (GMT) を意味する