Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 630
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich will nicht behaupten, aber ich habe den Eindruck, dass es sich um Illusionen handelt. Nur aus allgemeinen Gründen.
Warum, hat Vladimir Perevenko Informationen in seinen Artikeln, sie sind sehr schnell auf Hunderte von Eingängen trainiert
Ich habe die Artikel nicht gelesen und werde mich nicht dagegen wehren. Ich habe nur Bilder gesehen).
Ein MLP kann z. B. in 10-15 Minuten perfekt trainiert werden, und es wird perfekt funktionieren. Ja, aber nur, wenn die Daten gut klassifiziert sind und die Gruppen getrennt sind.
Wenn im Gegenteil - wenn es zum Beispiel auf dem Markt (oder in Ihren Trainingsstichproben) einfach keine trennbaren Mengen gibt, dann trainieren Sie, was Sie wollen - es wird keine Ergebnisse geben.
Warum, Vladimir Perevenko hat Informationen in seinen Artikeln, sie lernen sehr schnell auf Hunderte von Eingängen
Alles hängt von der Architektur und der Menge der Daten ab.
Netzwerke für die Mustererkennung lernen eine Woche lang auf GPU. Und es gibt Dutzende von Schichten mit dreidimensionalen Tensoren.
Es hängt alles von der Architektur und der Datenmenge ab.
Netzwerke für die Mustererkennung brauchen eine Woche, um auf einer GPU zu lernen. Es gibt Dutzende von Schichten mit dreidimensionalen Tensoren.
Dort beschrieb er die einfacheren Varianten - Boltzmann-Netz + MLP, zum Beispiel
https://www.mql5.com/ru/articles/1103#2_2_2
Ich habe die Artikel nicht gelesen und werde mich nicht dagegen wehren. Ich habe nur Bilder gesehen).
Ein MLP kann z. B. in 10-15 Minuten perfekt trainiert werden, und es wird perfekt funktionieren. Ja, aber nur, wenn die Daten gut klassifiziert sind und die Gruppen getrennt sind.
Wenn es auf dem Markt (oder in Ihren Trainingsproben) einfach keine trennbaren Mengen gibt, dann können Sie ewig trainieren, was Sie wollen, und es wird keine Ergebnisse geben.
Führen wir einfach ein Experiment durch, um "wissenschaftliche Erkenntnisse" zu gewinnen.
Wählen wir Daten, Dimensionen, MLP-Architektur und Ausgabedaten.
Und jeder wird seine eigenen Tests mit seinen eigenen Werkzeugen durchführen.
Die Menge der Flammen wird weniger.
Übrigens können wir eine solche Tradition begründen und jede neue Architektur in der ganzen Welt testen. =)
Lassen Sie uns einfach ein Experiment durchführen, um "wissenschaftliche Erkenntnisse" zu gewinnen.
Wir wählen die Daten, die Dimensionen, die MLP-Architektur und die Ausgabe.
Und jeder wird seine eigenen Tests mit seinen eigenen Werkzeugen durchführen.
Die Menge der Flammen wird weniger.
Übrigens können wir eine solche Tradition begründen und jede neue Architektur in der ganzen Welt testen. =)
Ich teile die ersten Ergebnisse meiner NS. Die Architektur ist die gleiche wie in der Gottheit beschrieben, ich habe nichts verändert.
Das Plateau ist recht gleichmäßig, der NS hat schon bei 1000 Durchgängen gut gelernt, die Ergebnisse haben sich nicht weiter verbessert.
Ich habe im letzten Monat 15 Minuten lang gelernt. Ich habe ~0,65$ für die Ausbildung ausgegeben, und meine monatliche Anzahl von Geschäften liegt bei ~300.
Die Ergebnisse der letzten 2 Monate sind nicht schlecht, aber auch nicht zu schlecht.
Ich werde versuchen, eine weitere versteckte Schicht hinzuzufügen und nach weiteren Fehlern zu suchen :) und dann werde ich versuchen, über einen längeren Zeitraum zu trainieren.
Maxim Dmitrievsky:
Warum, Vladimir Perervenko hat Informationen in seinen Artikeln, sie lernen sehr schnell auf Hunderte von Eingängen
Alle Artikel enthalten Datensätze und Skripte, die reproduziert werden können, um echte Daten über Lernzeiten speziell auf Ihrer Hardware zu erhalten. Die DNN-Trainingszeit mit zwei versteckten Schichten beträgt bis zu 1 Minute.
Viel Glück!
Lassen Sie uns einfach ein Experiment durchführen, um "wissenschaftliche Erkenntnisse" zu gewinnen.
Wir wählen die Daten, die Dimensionen, die MLP-Architektur und die Ausgabe.
Und jeder wird seine eigenen Tests mit seinen eigenen Werkzeugen durchführen.
Die Menge der Flammen wird weniger.
Übrigens können wir eine solche Tradition begründen und jede neue Architektur in der ganzen Welt testen. =)
Ich teile die ersten Ergebnisse meiner NS. Die Architektur ist die gleiche wie in der Gottheit beschrieben, ich habe nichts verändert.
Das Plateau ist recht gleichmäßig, der NS hat schon bei 1000 Durchgängen gut gelernt, die Ergebnisse haben sich nicht weiter verbessert.
Ich habe im letzten Monat 15 Minuten lang gelernt. Ich habe ~0,65$ für die Ausbildung ausgegeben, und meine monatliche Anzahl von Geschäften liegt bei ~300.
Die Ergebnisse der letzten 2 Monate sind nicht schlecht, aber auch nicht zu schlecht.
Ich werde versuchen, eine weitere versteckte Schicht hinzuzufügen und nach weiteren Fehlern zu suchen :) und dann werde ich versuchen, über einen längeren Zeitraum zu trainieren.
Haben Sie drei Neuronen am Eingang der zweiten Schicht, die von sigmoid verarbeitet werden? Wie passen Sie die Gewichte auf der zweiten Ebene an, die zwischen -1 und 1 in Schritten von z. B. 0,1 gewählt wird?
In meinem Netz ist nach der Verarbeitung der zweiten Schicht die Zahl der Geschäfte zurückgegangen und meine Ergebnisse haben sich nicht wesentlich verbessert. Dies unterscheidet sich von der Anpassung eines Perzeptrons mit 9 Eingängen und einem Ausgangsneuron und der anschließenden Anpassung eines anderen unabhängigen Perzeptrons mit den gespeicherten Einstellungen des ersten Neurons, usw.