我目前正在尝试将神经网络算法应用于二元期权，但我遇到了一些问题。
我选择使用前馈多层神经网络，而我正在使用张量流。
我的数据集是这样的：
- 每个文件包含大约80 000个输入和输出向量，代表一个月的数据
- 每个输入向量由我想要在参考日期之前每m秒/分钟研究的货币对的n个值组成
- 值在0和1之间重新调整，输入矢量的最小值将重新调整为0，最大值重新调整为1。
- 我有47个这样的文件，所以一个纪元包含大约80 000 * 47 = 3 760 000个例子。
对于我的几乎所有尝试，我使用的批量大小为5000，学习率为0.0001，我将隐藏层的数量从2改为15。
以下是我在验证集上的一些结果，数据集的1/3（张量板图上的一个步骤对应于一个数据文件，或者是一个时代的1/47）：
Hidden layers : 3
Hidden layers : 10
正如您所注意到的，准确性正确地增长然后开始停滞在54％左右。
你们有什么想法我可以做些什么来避免这种情况？当它开始停滞时我试图降低学习率，但它不起作用。我是否必须增加隐藏层数？但在这种情况下，学习可能需要一段时间。或者我必须以另一种方式格式化我的数据？就像试图修改2个值之间的时间一样？或者有更大的输入层？
谢谢大家！
