"New Neural" ist ein Open-Source-Projekt für neuronale Netzwerke für die MetaTrader 5-Plattform. - Seite 98

 
Maxim Dmitrievsky:

Sie müssen nicht streng periodisch sein, aber sie müssen auch kein Lärm sein. Das Bild ist probabilistisch, nicht streng. Das gleitende Fenster dient als Entropie-Indikator und die Anzahl der zu trainierenden Merkmale kann optimiert werden.

Wenn die Proben uneinheitlich sind, kann man nichts herausfinden, deshalb gibt es so viele 50\50 Fehler. Und eine Schleife kann nicht widersprüchlich sein, entweder sie existiert oder sie existiert nicht, in welcher Form auch immer. Wenn Sie viele verschiedene Schleifen hinzufügen, widersprechen sie sich nicht.

Der Zyklus ist ein relatives Konzept innerhalb der Entropiemetrik.

Und wie misst man den Grad der Entropie in den Daten?

 
Maxim Romanov:

Und wie misst man den Grad der Entropie in den Daten?

oben ist ein Link zu meinem Wiki und zu Alexanders Wiki auf dem Hubr

 
kapelmann:

Ich habe sicherlich nicht durch alle von ihnen, aber alle diese "mit Quellen in MQL" alle ohne neuronale Netze selbst, sondern im Wesentlichen eine Übung in OOP in Form von Wrappern zu verschiedenen Bibliotheken oder zu den gleichen NeuroPro, ehrlich gesagt nach einem Dutzend solcher Artikel lesen, sie sehen alle gleich, manchmal scheint es sogar, dass OOP für Lager Roboter ist mehr schädlich als hilfreich, IMHO OOP für Projekte von 100 Tausend Zeilen beginnt, Vorteile zu zeigen, und wenn drei Funktionen in fünf Klassen wickeln und sogar mit Vererbung ist lächerlich.


PS: Bitte bringen Sie mir nicht bei, wie man im Internet sucht, sondern geben Sie konkrete Links zum OPEN CODE der neuronalen Netze an, nicht zu Vopers, nicht zum Umschreiben von Büchern und Artikeln.

Diese beiden Absätze widersprechen sich gegenseitig. Jeder, der weiß, wie man das Internet durchsucht (insbesondere auf dieser Website), wird schnell Implementierungen der grundlegenden NS-Typen in reinem MQL ohne Abhängigkeiten und Wrapper finden.

 

Es ist unmöglich, eine normale Matrix in MQL ohne Krücken zu erstellen. Von welcher Art von NS sprechen wir bei derart eingeschränkten Sprachkenntnissen?

Viele Leute hier können nicht einmal die MLP-Formel nachvollziehen.

 

Es werden die Wiederholungen der ursprünglichen Reihe genommen, und der Mittelwert und die Varianz werden daraus entfernt. Auf dieser Grundlage werden die Rückkehrer aus der Normalverteilung generiert und die ursprüngliche Verteilung wird wiederhergestellt.

Die Entropie wurde bei beiden Serien gemessen. In den allermeisten Fällen ist es dasselbe, d.h. die Anführungszeichen sind SB.

Und bei den Erträgen ist der Unterschied so, wie er sein sollte (die Entropie ist bei den Randoms höher):

Es scheint einfach nicht genug Sensibilität für die bloße Reihe zu geben. Ich frage mich, ob Ihre NSs genug "Sensibilität" haben. Das ist zweifelhaft.

Und hier ist ein Beispiel für Bitcoin (das angeblich noch weniger effizient sein soll). Und in der Tat.

Insbesondere auf H4.

 
Roffild:

Es ist unmöglich, eine normale Matrix in MQL ohne Krücken zu erstellen. Von welcher Art von NS sprechen wir bei derart eingeschränkten Sprachkenntnissen?

Viele Leute hier können nicht einmal die MLP-Formel nachvollziehen.

Sind Sie als Kind vom Mond oder aus dem Ofen gefallen?

 
Maxim Dmitrievsky:

Es werden die Wiederholungen der ursprünglichen Reihe genommen, und der Mittelwert und die Varianz werden daraus entfernt. Auf dieser Grundlage werden die Rückkehrer aus der Normalverteilung generiert und die ursprüngliche Verteilung wird wiederhergestellt.

Die Entropie wurde bei beiden Serien gemessen. In den allermeisten Fällen ist es dasselbe, d.h. die Anführungszeichen sind SB.

Und bei den Rückgaben ist der Unterschied so, wie er sein sollte (die Entropie ist bei den Randoms höher):

Es scheint einfach nicht genug Sensibilität für die bloße Reihe zu geben. Ich frage mich, ob Ihre NSs genug "Sensibilität" haben. Das ist zweifelhaft.

Und hier ist ein Beispiel für Bitcoin (das angeblich noch weniger effizient sein soll). Und in der Tat.

Insbesondere auf H4.

Gut gemacht!

Und wie verhält sich die Entropie selbst in gleitenden Zeitfenstern?

Wenn wir Studien mit gleitenden Zeitfenstern von Vielfachen von einer Stunde durchführen (bei einminütigen Daten sind das 60, 120, 180, ...), sollten wir natürlich die Fenster identifizieren, in denen die Entropie im Durchschnitt minimal ist.

Dies sind die Beispiele, mit denen man arbeiten kann - ich bin sicher, dass NS dort Regelmäßigkeiten finden wird.

 
Грааль:

Es gibt eine portierte Alglib (https://www.mql5.com/en/code/11077).

Die Joo-Initiative war zum Scheitern verurteilt, und zwar nicht, weil die Menschen nicht kooperativ sind, sondern weil sie eine sinnlose Idee ist.

Okay, danke, ich werde es mir ansehen.

Alexander_K:

Weil es hier keinen wirklichen Anführer mit Wissen gibt, so dass die Mündel nicht ihre Möglichkeiten durchgehen und ihm wie Kinder zuhören würden.

Als ich diesen Thread las, liefen mir die Tränen über die senilen Wangen - wie sie einige Pendos anflehten, das Ruder zu übernehmen, aber er selbst ist ahnungslos und .... Das war's, wir sind am Arsch.

Ein beschämender und lehrreicher Zweig.

Die Slawen brauchen einen Führer, einen Vater, streng, aber gerecht, das liegt in den Genen, es ist logisch, dass die Slawen das spüren und andere Rassen (Angelsachsen, Juden, Araber...) bitten, ihnen zu befehlen, das macht Sinn, die Slawen tolerieren ihren Führer nicht, es sei denn, er ist zum Propheten mystifiziert oder von Gott gesalbt.

 
Maxim Dmitrievsky:

Später schrieb er einen eigenständigen jpredictor in Java, mit 2 neuronalen Netzen (mlp und svm, genauer gesagt) mit automatischer Merkmalsauswahl

Soweit ich weiß, hat "jpredictor" immer noch dasselbe eine Neuron, das durch Parameteroptimierung trainiert wird, und die Ausgabe von jpredictor sind die Gewichte für ein Neuron, was natürlich nicht gerade etwas ist, worauf man stolz sein kann.

 
Maxim Dmitrievsky:

Die Entropie wird in beiden Reihen gemessen. Es ist überwiegend dasselbe, d.h. die Zitate sind SB.

das Niveau der Logik ist erstaunlich ))
Grund der Beschwerde: