모든 문제를 해결할 수 있는 새로운 유형의 뉴런이나 파이썬용 패키지가 나타날 것이라고 기대해서는 안 됩니다. 모델의 과적합이 없고 비정상성 등을 두려워하지 않을 것입니다.
모델이 아무리 혼란스러워도 간단한 원리에 기반할 것입니다. 사람이 준비한 훈련 데이터를 가져오고 모델은 입력 데이터에서 결과를 계산하는 방법에 대한 간단한 설명을 생성할 뿐입니다. 이 모든 것이 가장 가까운 이웃의 예측과 멀지 않지만 일반적인 모델은 훨씬 더 빠르게 예측하므로(긴 훈련이 필요하지만) 더 많은 사랑을 받습니다.
핵심 문구는 "인간이 준비한 훈련 데이터"입니다. 전문가가 데이터를 올바르게 준비하면 모델을 교육하고 수익성 있는 거래를 할 수 있습니다. 예를 들어 SanSanych, Vizard, toxic, Mikhail이 게시한 교육 및 테스트 테이블을 살펴보십시오. 당신은 놀란 것 같습니다. 그리고 비선형 입력 필터와 수십 개의 레이어가 있는 놀라운 rnn 뉴런은 이 작업을 수행하지 않습니다.
모든 문제를 해결할 수 있는 새로운 유형의 뉴런이나 파이썬용 패키지가 나타날 것이라고 기대해서는 안 됩니다. 모델의 과적합이 없고 비정상성 등을 두려워하지 않을 것입니다.
모델이 아무리 혼란스러워도 간단한 원리에 기반할 것입니다. 사람이 준비한 훈련 데이터를 가져오고 모델은 입력 데이터에서 결과를 계산하는 방법에 대한 간단한 설명을 생성할 뿐입니다. 이 모든 것이 가장 가까운 이웃의 예측과 멀지 않지만 일반적인 모델은 훨씬 더 빠르게 예측하므로(긴 훈련이 필요하지만) 더 많은 사랑을 받습니다.
핵심 문구는 "인간이 준비한 훈련 데이터"입니다. 전문가가 데이터를 올바르게 준비하면 모델을 교육하고 수익성 있는 거래를 할 수 있습니다. 예를 들어 SanSanych, Vizard, toxic, Mikhail이 게시한 교육 및 테스트 테이블을 살펴보십시오. 당신은 놀란 것 같습니다. 그리고 비선형 입력 필터와 수십 개의 레이어가 있는 놀라운 rnn 뉴런은 이 작업을 수행하지 않습니다.
불행히도(나를 위한 mb) 여기에서 논의되는 대부분은 신경증입니다. 실제로, 예측 변수를 선택하고 필터링하는 다양한 방법이 있기 때문에 통계적 속성이 시간이 지나도 변하지 않는 잘 준비된 데이터가 필요합니다. 이 접근 방식은 전처리 때문에 매우 복잡해 보입니다.
그러나 "기억"과 적응에 대한 다양한 옵션을 사용하여 신경 역학의 방향을 볼 수도 있습니다. .. 이것이 더 간단하고 자연스러운 접근 방식이지만 효율성에 대해서는 잘 모르겠습니다. 그것을 하는 방법에.
그리고 시장을 고려하는 관점에 따라 - 패턴의 집합으로 또는 특정 법률에 따라 진화하는 시스템으로.
그러나 "기억"과 적응에 대한 다양한 옵션을 사용하여 신경 역학의 방향을 볼 수도 있습니다. .. 이것이 더 간단하고 자연스러운 접근 방식이지만 효율성에 대해서는 잘 모르겠습니다. 그것을 하는 방법에. ... 특정 법칙에 따라 진화하는 시스템. ...
의심할 여지 없이 연구해야 합니다. 그러나 인류는 아직 적절한 도구를 발명하지 않았습니다(적어도 공개 영역에서는 아님).
lstm 뉴런은 이 주제에 대해 매우 흥미롭습니다. 더 적은 수의 뉴런을 사용하는 일반 뉴런보다 시계열 을 훨씬 더 정확하게 설명할 수 있습니다. 그러나 이들의 문제는 과적합입니다. 일반 뉴런을 훈련하여 교차 검증을 위해 데이터의 일부를 선택하여 과적합을 처리할 수 있다고 가정합니다. 그리고 lstm 뉴런의 경우 데이터 도착 순서가 중요합니다. 각각의 새로운 예측은 뉴런의 내부 상태를 사용하여 변경합니다. 결과적으로 전체 시계열은 엄격한 순서로 예측되며 각 예측은 과거에 의존하고 미래에 영향을 미칩니다. 교차 검증에서 나중에 사용하기 위해 일부 예제가 무작위로 제거되면 순서가 위반되며 이는 잘못된 것이며 이 모든 교육에 의심을 줍니다. 훈련과 테스트를 위해 데이터를 순차적으로 두 부분으로 나누면 Forex에 도움이 되지 않기 때문에 다시 과적합이 됩니다. 당신이 할 수 있는 일은 lstm을 최대한의 정확도와 희망으로 훈련시키는 것뿐입니다. 그러나 Forex는 그러한 무책임을 용서하지 않습니다.
과적합 lstm 뉴런이라는 주제에 대한 수년간의 학술 연구가 필요하며 이 문제가 해결되면 성배 생성을 시작할 수 있습니다.
MQL 자체는 좋지도 나쁘지도 않습니다. C++과 문법이 비슷합니다. 일반적으로 표준 언어. 문제는 필요한 라이브러리의 가용성입니다. 그리고 그들은 거기에 없거나 그 품질이 아닙니다. 따라서 Python을 연결할 필요가 있습니다. 이미 MQL과의 통합에 대한 링크를 제공했습니다. 숙녀 여러분. 이제 라이브러리가 완전히 작동합니다. 다운로드 .
의심할 여지 없이 연구해야 합니다. 그러나 인류는 아직 적절한 도구를 발명하지 않았습니다(적어도 공개 영역에서는 아님).
lstm 뉴런은 이 주제에 대해 매우 흥미롭습니다. 더 적은 수의 뉴런을 사용하는 일반 뉴런보다 시계열을 훨씬 더 정확하게 설명할 수 있습니다. 그러나 이들의 문제는 과적합입니다. 일반 뉴런을 훈련하여 교차 검증을 위해 데이터의 일부를 선택하여 과적합을 처리할 수 있다고 가정합니다. 그리고 lstm 뉴런의 경우 데이터 도착 순서가 중요합니다. 각각의 새로운 예측은 뉴런의 내부 상태를 사용하여 변경합니다. 결과적으로 전체 시계열은 엄격한 순서로 예측되며 각 예측은 과거에 의존하고 미래에 영향을 미칩니다. 교차 검증에서 나중에 사용하기 위해 일부 예제가 무작위로 제거되면 순서가 위반되며 이는 잘못된 것이며 이 모든 교육에 의심을 줍니다. 훈련과 테스트를 위해 데이터를 순차적으로 두 부분으로 나누면 Forex에 도움이 되지 않기 때문에 다시 과적합이 됩니다. 당신이 할 수 있는 일은 lstm을 최대한의 정확도와 희망으로 훈련시키는 것뿐입니다. 그러나 Forex는 그러한 무책임을 용서하지 않습니다.
과적합 lstm 뉴런이라는 주제에 대한 수년간의 학술 연구가 필요하며 이 문제가 해결되면 성배 생성을 시작할 수 있습니다.
forex에서 자체적으로 작동하는 ns가 필요합니다. 이것은 lstm이 아닙니다. lstm은 실수할 때 이마를 때리는 외부 에이전트로 VR을 사용하지 않습니다.
MQL 자체는 좋지도 나쁘지도 않습니다. C++과 문법이 비슷합니다. 일반적으로 표준 언어. 문제는 필요한 라이브러리의 가용성입니다. 그리고 그들은 거기에 없거나 그 품질이 아닙니다. 따라서 Python을 연결할 필요가 있습니다. 이미 MQL과의 통합에 대한 링크를 제공했습니다. 숙녀 여러분. 이제 라이브러리가 완전히 작동합니다. 다운로드 .
나는 잠을 잘 수 없다 - 나는 인터넷에서 모든 찌꺼기를 조금 읽습니다. 이 항목을 좋아함:
"증가가 사용된다는 사실은 일반적으로 완전히 나쁜 것은 아니며, 대부분의 대수 가격이 입력으로 제공되며, 증가는 한 단계 더 나아가 지만 이것이 어쨌든 적합합니다.
나는 NS에서 성배를 꺼낸 사람들을 알고 있지만, 그 사람들은 의사 소통에 너무 닫히고 그들이하는 일에 대한 힌트조차도 초보자로서 확실히 기회가 없습니다. 나는 모든 것이 거기에서 매우 복잡하다는 것을 알고 있습니다. Wells도 메타 트레이더도 아니고 S#도 아닙니다. 그러나 캘리더에서 오는 데이터를 해독하고 해석하는 일부 기능이 있는 C ++ 및 MatLab , 이것이 밝혀졌습니다. 내가 들은 대로 같은 방법론이 미친 듯이, CERN에서 하루에 테라바이트를 갈던 삼촌이 그들과 함께 일하면서 양자 혼돈에서 새로운 입자를 찾고 있습니다.
시원한. 나는 눈물처럼 가장 순수한 가격 인상이 국회의 의견에 제출되어야 한다고 생각합니다. 증분은 모든 것의 핵심입니다. 이 문제에 대한 해결책은 그것들을 기반으로 합니다. 사실, Forex에서는 이러한 증분의 웨이브 패킷 이동( 확률 밀도 함수 )의 의사 고정 프로세스를 따릅니다. 그리고 더 이상 없습니다. (나는 이미 이 단락을 만들었다 :)))
시간 지연이 있는 집중된 순방향 전파 네트워크
구조적 패턴 인식에서는 정적 신경망을 사용하는 것이 관례입니다. 대조적으로, 시간적 패턴 인식은 시간에 따라 변하는 패턴을 처리하고 현재뿐만 아니라 여러 이전 ero 값에 의존하는 특정 시점에서 응답을 생성해야 합니다.
거기 아무도 없나요? :) Forex의 그러한 아키텍처 유형만 이론상으로 작동할 것입니다. 하지만 실험을 해야 합니다. MLP에 "흥미로운" 뉴런 몇 개를 추가하거나 2개의 모델을 연결하기만 하면 됩니다.
모델은 어디서 받나요?
내가 할게) 아직 다 안 읽었어, 책에 재미있는 게 많더라.
시장에 대한 "메모리"에 대한 바로 그 아이디어는 좋을 것입니다. 그러나 매우 느린 재발이 아니라 더 간단하고 전문적인 것
가장 간단한 예:
외부 "시프터"는 예를 들어 이전 트랜잭션, 변동성 또는 기타 시스템 하이퍼파라미터의 일부 기능을 의미할 수 있습니다.
그러나 시프터가 1개 또는 여러 개의 뉴런으로 내장되어 있으면 더 좋을 것입니다. 그러면 비선형으로도 나타납니다.
모든 문제를 해결할 수 있는 새로운 유형의 뉴런이나 파이썬용 패키지가 나타날 것이라고 기대해서는 안 됩니다. 모델의 과적합이 없고 비정상성 등을 두려워하지 않을 것입니다.
모델이 아무리 혼란스러워도 간단한 원리에 기반할 것입니다. 사람이 준비한 훈련 데이터를 가져오고 모델은 입력 데이터에서 결과를 계산하는 방법에 대한 간단한 설명을 생성할 뿐입니다. 이 모든 것이 가장 가까운 이웃의 예측과 멀지 않지만 일반적인 모델은 훨씬 더 빠르게 예측하므로(긴 훈련이 필요하지만) 더 많은 사랑을 받습니다.
핵심 문구는 "인간이 준비한 훈련 데이터"입니다. 전문가가 데이터를 올바르게 준비하면 모델을 교육하고 수익성 있는 거래를 할 수 있습니다. 예를 들어 SanSanych, Vizard, toxic, Mikhail이 게시한 교육 및 테스트 테이블을 살펴보십시오.
당신은 놀란 것 같습니다. 그리고 비선형 입력 필터와 수십 개의 레이어가 있는 놀라운 rnn 뉴런은 이 작업을 수행하지 않습니다.
모든 문제를 해결할 수 있는 새로운 유형의 뉴런이나 파이썬용 패키지가 나타날 것이라고 기대해서는 안 됩니다. 모델의 과적합이 없고 비정상성 등을 두려워하지 않을 것입니다.
모델이 아무리 혼란스러워도 간단한 원리에 기반할 것입니다. 사람이 준비한 훈련 데이터를 가져오고 모델은 입력 데이터에서 결과를 계산하는 방법에 대한 간단한 설명을 생성할 뿐입니다. 이 모든 것이 가장 가까운 이웃의 예측과 멀지 않지만 일반적인 모델은 훨씬 더 빠르게 예측하므로(긴 훈련이 필요하지만) 더 많은 사랑을 받습니다.
핵심 문구는 "인간이 준비한 훈련 데이터"입니다. 전문가가 데이터를 올바르게 준비하면 모델을 교육하고 수익성 있는 거래를 할 수 있습니다. 예를 들어 SanSanych, Vizard, toxic, Mikhail이 게시한 교육 및 테스트 테이블을 살펴보십시오.
당신은 놀란 것 같습니다. 그리고 비선형 입력 필터와 수십 개의 레이어가 있는 놀라운 rnn 뉴런은 이 작업을 수행하지 않습니다.
불행히도(나를 위한 mb) 여기에서 논의되는 대부분은 신경증입니다. 실제로, 예측 변수를 선택하고 필터링하는 다양한 방법이 있기 때문에 통계적 속성이 시간이 지나도 변하지 않는 잘 준비된 데이터가 필요합니다. 이 접근 방식은 전처리 때문에 매우 복잡해 보입니다.
그러나 "기억"과 적응에 대한 다양한 옵션을 사용하여 신경 역학의 방향을 볼 수도 있습니다. .. 이것이 더 간단하고 자연스러운 접근 방식이지만 효율성에 대해서는 잘 모르겠습니다. 그것을 하는 방법에.
그리고 시장을 고려하는 관점에 따라 - 패턴의 집합으로 또는 특정 법률에 따라 진화하는 시스템으로.
그러나 "기억"과 적응에 대한 다양한 옵션을 사용하여 신경 역학의 방향을 볼 수도 있습니다. .. 이것이 더 간단하고 자연스러운 접근 방식이지만 효율성에 대해서는 잘 모르겠습니다. 그것을 하는 방법에.
...
특정 법칙에 따라 진화하는 시스템.
...
의심할 여지 없이 연구해야 합니다. 그러나 인류는 아직 적절한 도구를 발명하지 않았습니다(적어도 공개 영역에서는 아님).
lstm 뉴런은 이 주제에 대해 매우 흥미롭습니다. 더 적은 수의 뉴런을 사용하는 일반 뉴런보다 시계열 을 훨씬 더 정확하게 설명할 수 있습니다. 그러나 이들의 문제는 과적합입니다.
일반 뉴런을 훈련하여 교차 검증을 위해 데이터의 일부를 선택하여 과적합을 처리할 수 있다고 가정합니다. 그리고 lstm 뉴런의 경우 데이터 도착 순서가 중요합니다. 각각의 새로운 예측은 뉴런의 내부 상태를 사용하여 변경합니다. 결과적으로 전체 시계열은 엄격한 순서로 예측되며 각 예측은 과거에 의존하고 미래에 영향을 미칩니다. 교차 검증에서 나중에 사용하기 위해 일부 예제가 무작위로 제거되면 순서가 위반되며 이는 잘못된 것이며 이 모든 교육에 의심을 줍니다. 훈련과 테스트를 위해 데이터를 순차적으로 두 부분으로 나누면 Forex에 도움이 되지 않기 때문에 다시 과적합이 됩니다.
당신이 할 수 있는 일은 lstm을 최대한의 정확도와 희망으로 훈련시키는 것뿐입니다. 그러나 Forex는 그러한 무책임을 용서하지 않습니다.
과적합 lstm 뉴런이라는 주제에 대한 수년간의 학술 연구가 필요하며 이 문제가 해결되면 성배 생성을 시작할 수 있습니다.
MQL 자체는 좋지도 나쁘지도 않습니다. C++과 문법이 비슷합니다. 일반적으로 표준 언어. 문제는 필요한 라이브러리의 가용성입니다. 그리고 그들은 거기에 없거나 그 품질이 아닙니다. 따라서 Python을 연결할 필요가 있습니다. 이미 MQL과의 통합에 대한 링크를 제공했습니다. 숙녀 여러분. 이제 라이브러리가 완전히 작동합니다. 다운로드 .
의심할 여지 없이 연구해야 합니다. 그러나 인류는 아직 적절한 도구를 발명하지 않았습니다(적어도 공개 영역에서는 아님).
lstm 뉴런은 이 주제에 대해 매우 흥미롭습니다. 더 적은 수의 뉴런을 사용하는 일반 뉴런보다 시계열을 훨씬 더 정확하게 설명할 수 있습니다. 그러나 이들의 문제는 과적합입니다.
일반 뉴런을 훈련하여 교차 검증을 위해 데이터의 일부를 선택하여 과적합을 처리할 수 있다고 가정합니다. 그리고 lstm 뉴런의 경우 데이터 도착 순서가 중요합니다. 각각의 새로운 예측은 뉴런의 내부 상태를 사용하여 변경합니다. 결과적으로 전체 시계열은 엄격한 순서로 예측되며 각 예측은 과거에 의존하고 미래에 영향을 미칩니다. 교차 검증에서 나중에 사용하기 위해 일부 예제가 무작위로 제거되면 순서가 위반되며 이는 잘못된 것이며 이 모든 교육에 의심을 줍니다. 훈련과 테스트를 위해 데이터를 순차적으로 두 부분으로 나누면 Forex에 도움이 되지 않기 때문에 다시 과적합이 됩니다.
당신이 할 수 있는 일은 lstm을 최대한의 정확도와 희망으로 훈련시키는 것뿐입니다. 그러나 Forex는 그러한 무책임을 용서하지 않습니다.
과적합 lstm 뉴런이라는 주제에 대한 수년간의 학술 연구가 필요하며 이 문제가 해결되면 성배 생성을 시작할 수 있습니다.
forex에서 자체적으로 작동하는 ns가 필요합니다. 이것은 lstm이 아닙니다. lstm은 실수할 때 이마를 때리는 외부 에이전트로 VR을 사용하지 않습니다.
글쎄, sobsno Yuri는 이미 이것에 대해 썼습니다. 요약하자면 나입니다.
MQL 자체는 좋지도 나쁘지도 않습니다. C++과 문법이 비슷합니다. 일반적으로 표준 언어. 문제는 필요한 라이브러리의 가용성입니다. 그리고 그들은 거기에 없거나 그 품질이 아닙니다. 따라서 Python을 연결할 필요가 있습니다. 이미 MQL과의 통합에 대한 링크를 제공했습니다. 숙녀 여러분. 이제 라이브러리가 완전히 작동합니다. 다운로드 .
당신의 노고에 감사드립니다! 나중에 쓸거면 내가 아껴뒀어
나는 잠을 잘 수 없다 - 나는 인터넷에서 모든 찌꺼기를 조금 읽습니다. 이 항목을 좋아함:
"증가가 사용된다는 사실은 일반적으로 완전히 나쁜 것은 아니며, 대부분의 대수 가격이 입력으로 제공되며, 증가는 한 단계 더 나아가 지만 이것이 어쨌든 적합합니다.
나는 NS에서 성배를 꺼낸 사람들을 알고 있지만, 그 사람들은 의사 소통에 너무 닫히고 그들이하는 일에 대한 힌트조차도 초보자로서 확실히 기회가 없습니다. 나는 모든 것이 거기에서 매우 복잡하다는 것을 알고 있습니다. Wells도 메타 트레이더도 아니고 S#도 아닙니다. 그러나 캘리더에서 오는 데이터를 해독하고 해석하는 일부 기능이 있는 C ++ 및 MatLab , 이것이 밝혀졌습니다. 내가 들은 대로 같은 방법론이 미친 듯이, CERN에서 하루에 테라바이트를 갈던 삼촌이 그들과 함께 일하면서 양자 혼돈에서 새로운 입자를 찾고 있습니다.
시원한. 나는 눈물처럼 가장 순수한 가격 인상이 국회의 의견에 제출되어야 한다고 생각합니다. 증분은 모든 것의 핵심입니다. 이 문제에 대한 해결책은 그것들을 기반으로 합니다. 사실, Forex에서는 이러한 증분의 웨이브 패킷 이동( 확률 밀도 함수 )의 의사 고정 프로세스를 따릅니다. 그리고 더 이상 없습니다. (나는 이미 이 단락을 만들었다 :)))