"New Neural" ist ein Open-Source-Projekt für neuronale Netzwerke für die MetaTrader 5-Plattform. - Seite 77
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
Die Aufgabe besteht darin, einen Vektor zu finden, der den Markt in Gruppen von Aufwärtstrend, Abwärtstrend und Osttrend unterteilt.
Bilden wir zum Beispiel ein Array von Vektoren entsprechend unserer Fantasie X{x1,x2,x3,x4,x5,x6,x7}
x1= Zeitraum MA
x2= Zeitraum von MA
x3= Wert von MA
x4= Wert von RAR
x5=Dispersion z.B.
x6= Trendkomponente von MA(N)-MA(N-1)
x7=Anzahl der Schnittpunkte von MA und Preis
Wenn wir die Anordnung dieser Vektoren mit Hilfe der Kohonen-Karte clustern, sehen wir nahe Vektoren. Es stellt sich heraus, dass x1,x2,x4,x7 die euklidischen Abstände stärker beeinflussen werden. Allerdings sind die Merkmale x3, x5 und x6 nicht weniger wichtig, wenn nicht sogar wichtiger. Wir können alle x-Werte im Bereich -1...1 normalisieren, aber ich weiß nicht, wie. Oder wir nehmen Marktmerkmale, die nahe beieinander liegen; in diesem Fall erhalten wir einen Vergleich von Fliegen mit Koteletts.
Die Vektoren liegen in der Nähe von :
X1{10,13,26,12,42,48,98} und
X2{11,12,27,14,43,46,88} und Vektor X3 werden in einem anderen Cluster liegen
X3{101,12,27,14,43,46,88}
obwohl es keine Tatsache ist, war ich es, der gezeigt hat, wie die Cluster durch die Hamming-Distanz getrennt werden würden, wie die Parameter der Vektoren aussehen würden, wenn sie durch "Trend Veer, Trend Down, Trend Lateral" getrennt würden, weiß man FF :)
Ich habe es im Grunde genommen herausgefunden. Ich kann nicht ohne Rationierung auskommen. Angenommen, drei Vektoren
Х1 {10,10,0.1}
Х2 {11,10,0.3}
X3 {10,12,-0.2} Es scheint, dass alle drei Vektoren zum selben Cluster gehören
In der Trainingsstichprobe x1= min 0 max 20, x2= min -10 max 40 x3= min -0,5 max 0,5 Nun werden die Ausgangsvektoren normalisiert
Х1 {0.5, 0.2, 0.1}
Х2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2} unterschiedlich sind, können wir diese Vektoren auf einen Einheitsvektor normieren, aber das ist nicht notwendig. Ich denke, es sollte funktionieren.
Ich habe es im Grunde genommen herausgefunden. Ohne Rationierung geht es nicht...
Im Prinzip ist alles richtig, ohne Normalisierung geht es nicht, sonst müsste man in einem sehr großen Bereich nach Gewichten suchen (d.h. das Normalisierungsproblem auf die Schultern des Gitters übertragen). Vergessen Sie aber nicht, dass die Aufteilung in Cluster nicht auf der direkten Nähe der Eingangsvektoren beruht, sondern auf Gewichtungskoeffizienten. Es kann vorkommen, dass zwei Vektoren, die sich nahe beieinander befinden (nach Parametern), in verschiedenen Clustern sind, während die entfernten Vektoren im selben Cluster sind. Es hängt alles von der FF ab.
Ich denke, ob eine DLL zu schreiben, um mit CUDA arbeiten oder warten, ich habe eine andere GPU-Thema zusätzlich zu neuro.
Renat, wie steht es um die OpenCL- und Speicherintegration in ME?
Ich denke, ob eine DLL zu schreiben, um mit CUDA arbeiten oder warten, ich habe eine weitere GPU-Thema zusätzlich zu neuro.
OpenCL in beta wird entwickelt, das Repository ist ebenfalls in beta.
In der nächsten Build nächste Woche werden wir mit der Einbeziehung von Market und vielleicht Storage im Editor gefallen.
OpenCL im Beta-Stadium - in der Entwicklung...
Der Build der nächsten Woche wird Market und vielleicht Storage im Editor enthalten.
Beta- oder Vollversion?
Der Markt ist vollständig.