"New Neural" ist ein Open-Source-Projekt für neuronale Netzwerke für die MetaTrader 5-Plattform. - Seite 15

 
TheXpert:

Ich kann es nicht glauben :)

Und denken Sie darüber nach: Da Neuronen ein gemeinsames Gedächtnis verwenden, wird ein Wert, der einer Zelle zugewiesen wird, sofort in allen angeschlossenen Neuronen verfügbar, so dass der Unterschied beim Lernen darin besteht, die Formel in umgekehrter Richtung zum Aktivator zu schreiben. Eine recht dürftige Liste von Unterschieden :o)

Die Aktivierungsformel und ihre Ableitung werden bei der Erstellung eines Neurons (oder besser gesagt, bei der Auswahl eines Typs aus den verfügbaren Neuronen) festgelegt, die Richtung des Lernpfads wird ebenfalls bei der Erstellung des Netzes gewählt.

 
Avals:

Ja, das kann man machen, aber das ist übertrieben)))

Ähm, wie kann das nicht übertrieben sein?

________________

Nikolai, die einfachste, offensichtlichste und schnellste Art der Darstellung ist die Verknüpfung von Vektoren und Matrizen.

 
TheXpert:

Ähm, wie kann das nicht übertrieben sein?

________________

Nikolai, die einfachste, offensichtlichste und schnellste Art der Darstellung ist die Verknüpfung von Vektoren und Matrizen.

Aber es ist stark an die Topologie gebunden oder wird (wenn man einige Zellen ausschaltet, was zu mehr Vielseitigkeit führt) den Speicher überlasten.

Wie kann man eine Matrix verwenden, um ein 1000x1000-Echobecken darzustellen, das zu 95 % nicht existiert? Die Frage ist rhetorisch, denn es ist klar, dass bei der Schaffung eines solchen Beckens durch die Matrixmethode jedes Neuron in der Lage sein müsste, sich mit jedem Neuron zu verbinden, was 1000000 potenzielle Verbindungen pro Neuron bedeutet, multipliziert man dies mit 1000000 Neuronen, so erhält man eine 10^6 x 10^6 mql-Matrix, die nicht funktionieren wird.

 
TheXpert:

Ähm, wie kann es nicht durch eine Sache sein?

Nun, damit wir keinen Trainingsalgorithmus für eine bestimmte Variante von TS mit NS entwickeln müssen. D.h. um es automatisch geschehen zu lassen: es gibt einen Expert Advisor mit NS und wenn wir das Training von NS durchführen, ist es uns egal, wie es implementiert wird, aber wir müssen die Werte der Eingaben in einer bestimmten Umgebung nicht selbst sammeln, usw. Es kann sein, dass in dem von uns betrachteten Beispiel der Algorithmus derselbe ist, wie Sie ihn beschrieben haben, und dass er sich unterscheidet, wenn z. B. der NS ein anderer Teil des Systems ist. Im Allgemeinen möchte ich, dass sie Teil der Formalisierung ist und dem Benutzer verborgen bleibt. Wahrscheinlich kommt es auf die Vorverarbeitung der Ausgabedaten des NS oder - in anderen Fällen - der Eingabe an, aber das kann in den meisten Fällen automatisiert werden und wird nicht auf die zarten Schultern des Benutzers gelegt)))) Ich weiß nicht, wie ich das formalisieren soll :)
 
Avals:

Um nicht einen Lernalgorithmus für eine bestimmte Version von TC mit NS zu erfinden.

So geht es nicht :) Zumindest muss man wissen, was man nehmen, was man lehren und wie man es bewerten soll. Und das sind die Dinge, die Sie mit Ihren Händen organisieren müssen.

Im Allgemeinen wollte ich, dass sie Teil der Formalisierung ist und dem Benutzer verborgen bleibt. Ich weiß nicht, wie man das formalisieren kann :)

Genau. Ich weiß es auch nicht. Darüber hinaus gibt es Sets, die nur sehr schwer zu kombinieren sind. Neuronics ist nur ein Werkzeug. In geschickten Händen (z. B. bei Leonid) ist sie sogar sehr mächtig.

Ich frage mich, ob er bereit wäre, einige Ratschläge zu geben.

 
TheXpert:

Man muss zumindest wissen, was man nimmt, was man lehrt und wie man es bewertet. Und das sind die Dinge, die Sie mit Ihren Händen organisieren müssen.

Genau. Und ich weiß es nicht. Darüber hinaus gibt es Sets, die nur sehr schwer zu kombinieren sind. Neuronen sind nur ein Werkzeug. In fähigen Händen (z. B. Leonid) sehr mächtig.

Ziehen Sie zumindest die Standardoptionen in Betracht (z. B. die auf der vorherigen Seite beschriebene). Sie haben eine formale Lösung vorgeschlagen. Warum glauben Sie, dass es keine für den Rest von uns gibt?

Es ist möglich, dass sich alle auf einige wenige Exemplare desselben Typs beschränken.

 
Avals:
Warum glauben Sie, dass es für andere keinen Filter gibt?

Ja, aber es geht nur um Inputs und Outputs :) das Netzwerk ist zweitrangig. Sie können Buchstaben auf jede beliebige Weise erkennen, MLP, PNN, SOM, Echo-Grid, aber das Prinzip ist fast identisch.

Avals:

Wahrscheinlich läuft alles auf ein paar der gleichen Art hinaus

Hier ist ein gutes Beispiel: Es ist ein Kinderspiel, einen Deal-Filter zu organisieren.

Und einen einfachen TS zu ernähren, ist keine Aufgabe für Durchschnittsmenschen. Und der erste passt zu fast 100 %.

 
TheXpert:

Ja, aber es geht nur um Inputs und Outputs :) das Netzwerk ist zweitrangig. Sie können Buchstaben auf jede beliebige Weise erkennen, MLP, PNN, SOM, Echoset, aber das Prinzip ist fast identisch.

Ja, die Vor- und Nachbereitung von NS-Daten ist die zeitaufwändigste und heikelste Aufgabe. Wenn dies in typischen TK-Varianten systematisiert und teilweise automatisiert wird, ist das ein Vorteil gegenüber Drittanbieter-Paketen. Andernfalls ist es einfacher, alles in ihnen zu tun (da sie ohnehin mehr für die Arbeit mit NS spezialisiert sind), und übertragen Sie die fertigen Modelle auf MT5
 

Ein paar Mails zur Organisation der in EAs verwendeten Klasse:

Eigenschaften:

1. Mindestanzahl der Bilder, für die das Netz trainiert ist, um sie anschließend zu verwenden.

2. maximale Anzahl von Bildern. Wenn ein neues Bild zum Trainingssatz hinzugefügt wird, wird das alte Bild entfernt und das Netz neu trainiert.

Externe Methoden:

1. Senden Sie das zu trainierende Bild. Bei der Verwendung in EA ist es möglich, dem Netz ein neues Bild zu geben, das den Indikatorsignalen entspricht.

2. Fragen Sie das Netz, ob es bereit ist oder nicht. ob das Netz für eine ausreichende Anzahl von Bildern trainiert wurde.

3. grundlegende Methode. Senden Sie ein Bild an das Netzwerk und erhalten Sie ein Ergebnis.


Wenn ein neues Bild zum Training an das Netzwerk gesendet wird, führen Sie dessen Vorverarbeitung durch:

1. Skalieren Sie.

2. Prüfen Sie die Korrelation, so dass es keine zwei gegensätzlich korrelierten Bilder mit demselben Ergebnis und keine zwei identischen Bilder mit unterschiedlichem Ergebnis gibt.


All dies wird schnell in den Expert Advisor eingefügt; sobald die Indikatoren Signale aussenden, empfängt das Netzwerk Bilder. Sobald eine ausreichende Anzahl von Bildern gesammelt ist, wird das Netzwerk trainiert, und dann, wenn das Signal zur Eröffnung einer Position erscheint, bitten wir das Netzwerk, zu bestätigen oder nicht. Dies geschieht im Prüfgerät. Wenn es sich um ein Konto handelt, muss das Netz nach dem Testen trainiert werden und es muss eine Möglichkeit geben, das Netz zu speichern und zu laden.

Welche Bilder an das Netz gesendet werden, entscheidet der Nutzer - Preis, Indikator oder wahr/falsch. Die Netzparameter (Anzahl der Schichten, Eingänge, Ausgänge) werden bei der Initialisierung des Netzes festgelegt.

 

Die grafische Netzwerkerstellung kann auch in mql5 durchgeführt werden.

Ich denke, es können verschiedene Neuronen in einer Schicht sein, das ist kein Problem, wie man ein solches Netz trainiert, ist eine andere Frage.

Ein Neuron in einer Schicht? Was soll das bringen? Es sei denn, es handelt sich um eine umgangene zusätzliche Schicht.

Grund der Beschwerde: