Diskussion zum Artikel "Tiefe neuronale Netzwerke (Teil IV). Erstellen, trainieren und testen eines Modells des neuronalen Netzes"
Respekt an den Autor, für hohe Produktivität beim Schreiben von Artikeln und fühlen sich in ihnen wissenschaftliche Stärke, aber IMHO wollte auch praktischen Sinn zu sein.
Im operativen Teil des Autors weist darauf hin, dass der Zweck der von ihm beschriebenen Ansätze ist es, die Arbeit mit Daten (Verwendung von unmarkierten) zu vereinfachen, um die Anzahl der Iterationen (Epochen), etc. zu reduzieren.
Daher ist das erwartete Ergebnis offensichtlich die Beschleunigung des Lernprozesses des mehrschichtigen Perseptrons (MLP), ohne die Ergebnisse seiner Arbeit zu beeinträchtigen (mit praktisch gleichen Ergebnissen).
Dann habe ich eine Frage - haben Sie schon alles mit der Arbeit des Perseptron gelöst, in Form von Identifizierung von Mustern, Vorhersage von Finanzmärkten, und haben Sie bestätigende Beispiele?
Die Frage ist rhetorisch, denn in dem aktuellen Zyklus von 4 Artikeln habe ich kein einziges Beispiel eines Expert Advisors oder Indikators gefunden, was wahrscheinlich der Grund dafür ist, dass es praktisch keine interessierten Diskussionen aus der MQL-Gemeinschaft in den Zweigen dieser Artikel gibt.
Allerdings ist die Antwort in den früheren Arbeiten des Autors - es stellt sich heraus, dass er versucht, dieses Problem zu lösen, aber wie Sie sehen können, erfolglos, und im Moment ist es nicht mehr praktikabel...
https://www.mql5.com/ru/forum/79058/page6#comment_5791509
- 2017.09.20
- www.mql5.com
Ich brauche ein paar einfache Beispiele. Es gibt hier nicht viele Akademiker.
Guten Tag.
Ich bin weit davon entfernt, ein Akademiker oder gar ein Programmierer zu sein. Ich bin nur ein praktizierender Händler.
Welche Beispiele würden Ihnen helfen, das Thema zu verstehen?
Viel Glück!
Wenn die vorgeschlagene Anwendung neuronaler Netze im Handel nicht bedeutungslos ist, dann wäre die Beherrschung und Anwendung eines so leistungsfähigen Instruments sicherlich äußerst interessant.
Wenn die vorgeschlagene Anwendung neuronaler Netze im Handel nicht bedeutungslos ist, dann wäre die Beherrschung und Anwendung eines so leistungsfähigen Instruments natürlich äußerst interessant.
Ich verstehe den hervorgehobenen Teil überhaupt nicht. Der Handel wird durch den Einsatz von NN bedeutungslos? Können Sie das entschlüsseln? Ich bin einfach nur neugierig.
Viel Glück!
Ich verstehe den hervorgehobenen Teil überhaupt nicht. Der Handel wird sinnlos, wenn man NN verwendet? Können Sie ihn entschlüsseln? Bin nur neugierig.
Viel Glück!
Leider beschränkt sich die vorgeschlagene Anwendung von MO im Handel darauf, neuronalen Netzen beizubringen, Kursbewegungen vorherzusagen, und zwar nicht auf der Grundlage einer semantischen Analyse ihrer Dynamik, die die Natur der aktuellen Marktereignisse offenbart (wozu die Netze noch nicht in der Lage sind), sondern auf der Grundlage eines statistischen, d. h. eigentlich probabilistischen Ansatzes, der rein mathematischer Natur ist.
Das System, das die Wahrscheinlichkeit eines Ereignisses berechnet und "schicksalhafte" Entscheidungen für einen Händler trifft, sollte nicht auf primitiven konditionell-reflexiven Verbindungen basieren, sondern auf einem tiefen Verständnis der Marktprozesse, was für jeden professionellen Händler offensichtlich ist.
Wie auch immer, bitte akzeptieren Sie meine Bewunderung für Ihre Arbeit.
Ich verstehe den hervorgehobenen Teil überhaupt nicht. Der Handel wird sinnlos, wenn man NN verwendet? Können Sie das entschlüsseln? Bin nur neugierig.
Viel Glück!
Suchen Sie nicht nach dem Sinn, wo es keinen gibt :)))) Die Leute wollen nur ein wenig näher am Markt sein, z.B. fertige Handelsstrategien, damit es klarer wird... und wo sie noch in diesen endlosen Feinheiten der neuronalen Netze aufhören können + schließlich wird R nicht von vielen Leuten hier benutzt, also ist es ein bisschen schwer, .... :) Aber die Artikel sind sehr cool, kein Zweifel, Sie haben immer
Ich würde, weißt du, was ich machen würde... bei einem Paket aufhören, sagen wir mxnet, die ganze Forschung in R machen, etwas zeigen und erzählen, und dann die dll mit mt5 dieses Pakets verbinden und zeigen, wie man die grundlegenden Modelle, die dort angeboten werden, benutzt... dann könnten mehr Leute es von hier aus versuchen, weil nicht jeder überhaupt R installieren will... aber das ist imho.
Guten Tag.
Ich bin weit davon entfernt, ein Akademiker oder gar ein Programmierer zu sein. Ich bin nur ein praktizierender Trader.
Welche Beispiele würden Ihnen helfen, das Thema zu verstehen?
Viel Glück
Ich bin weit entfernt von Wissenschaft und Programmierung, aber Sie lehren, wie man neuronale Netze programmiert, wie in der Anekdote, "wenn Sie es nicht selbst tun können - lehren Sie andere":))))
Und können Sie als praktizierender Händler etwas zu den Erfolgen der Arbeit von NN sagen, oder beschränkt sich ihr Gewinn auf Tantiemen für Artikel?
Der Artikel Tiefe neuronale Netze (Teil IV) wird veröffentlicht . Erstellung, Training und Test eines neuronalen Netzmodells:
Autor: Vladimir Perervenko
Tiefe neuronale Netze eignen sich am besten für die Modellierung von Daten mit klaren Strukturen (Mustern), wie z. B. Daten, die Objekte in Bildern darstellen, wo DNN erfolgreich zur Objekterkennung in der Computer Vision und zur Bildsegmentierung eingesetzt werden. Marktpreisschwankungen sind unstrukturierte Daten (ohne erkennbare Muster), bei denen es keine Rolle spielt, wie tief die NN-Schichten sind, um die Merkmale Schicht für Schicht zu addieren und zu erwarten, dass sie Merkmale höherer Ordnung erzeugen, die korrekte Handelssignale darstellen...
Wie auch immer, ich mag Ihre Artikel und Ihren Versuch, DNN für den Handel zu nutzen.
Beste Grüße,
Rasoul
Tiefe neuronale Netze eignen sich am besten für die Modellierung von Daten mit klaren Strukturen (Mustern), wie z. B. die Daten, die Objekte in Bildern darstellen, wo DNN erfolgreich bei der Objekterkennung in der Computer Vision und der Bildsegmentierung eingesetzt werden. Marktpreisschwankungen sind unstrukturierte Daten (ohne erkennbare Muster), bei denen es keine Rolle spielt, wie tief die NN-Schichten sind, um die Merkmale Schicht für Schicht zu addieren und zu erwarten, dass sie Merkmale höherer Ordnung erzeugen, die korrekte Handelssignale darstellen...
Wie auch immer, ich mag Ihre Artikel und Ihren Versuch, DNN für den Handel zu nutzen.
Beste Grüße,
Rasoul
Das ist die richtige Idee, aber ich verstehe nicht, wie sie mit dem Artikel zusammenhängt. Siehe das Bild.
Sie sehen keine klaren Strukturen (Muster)? Können wir diese Definition anders verstehen?
In der Abbildung sind zwei Zickzacklinien mit Mindestknielängen von 38/75 n zu sehen.
Sie haben den Artikel nicht aufmerksam gelesen.
Viel Glück!
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Tiefe neuronale Netzwerke (Teil IV). Erstellen, trainieren und testen eines Modells des neuronalen Netzes :
Dieser Artikel beschäftigt sich mit den neuen Fähigkeiten des Programmpaketes darch (v.0.12.0). Es enthält eine Beschreibung des Trainings eines tiefen neuronalen Netzes mit verschiedenen Datentypen, unterschiedlicher Struktur und Trainingsreihenfolge. Die Ergebnisse des Trainings sind enthalten.
Die Aufteilung dieser Trainingsphasen mit Parametern gibt uns die Möglichkeit, Daten verschiedener Volumina (nicht unterschiedlicher Struktur!!) zu nutzen und mehrere, fein abgestimmte Modelle auf der Basis eines Vortrainings zu erhalten. Sind die Daten für Vor- und Feinabstimmung gleich, kann das Training in einem Zug durchgeführt werden, ohne es in zwei Stufen einzuteilen. Das Vortraining kann übersprungen werden (rbm.numEpochs = 0; darch.numEpochs = 10)). In diesem Fall können Sie nur ein mehrschichtiges neuronales Netzwerk verwenden oder nur RBM trainieren (rbm. numEpochs = 10; darch. numEpochs = 0). Sie haben weiterhin Zugriff auf alle internen Parameter.
Das trainierte neuronale Netz kann beliebig oft mit neue Daten trainiert werden. Dies ist nur bei einer begrenzten Anzahl von Modellen möglich. Das Strukturdiagramm eines tiefen neuronalen Netzes, das von komplexen eingeschränkten Boltzmann-Maschinen (DNRBM) initialisiert wurde, ist in Abb. 2. dargestellt.
Abb. 2. Das Strukturdiagramm von DNSRBM
Autor: Vladimir Perervenko