Wie arbeiten Sie mit neuronalen Netzen? - Seite 6
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
Um ehrlich zu sein, verstehe ich nicht wirklich, worauf Sie hinauswollen.
Der Gedanke ist einfach:
Angenommen, wir haben zwei TCs:
1. Beim Abprallen aus dem Kanal, d.h. beim Contrend. Er macht innerhalb des Kanals Gewinn und verliert bei einem Zusammenbruch.
2. Den Kanal durchbrechen - Trend. Er gewinnt in den langen Trends und verliert in den Seitwärtsbewegungen.
Wenn der Chart um die horizontale Achse invertiert ist, verhalten sich beide TCs gleich, d.h. der Trend-Chart wird bei einem Abwärtstrend Gewinn machen, auch wenn der normale Chart, für den er angepasst wurde, von einem Aufwärtstrend dominiert wurde.
Eigentlich sollte sich das Raster symmetrisch verhalten, d.h. wenn es für einen Aufwärtstrend trainiert wurde, sollte es auch bei einem Abwärtstrend "verdienen". Wenn er das nicht kann und z.B. nur im Aufwärtstrend "verdient", dann ist er schlechter als der oben erwähnte primitive TS, weil er sowohl im Abwärtstrend als auch in der Seitwärtsbewegung zu verlieren beginnt.
D.h. beim Training des Netzes muss nicht nur eine Stichprobe von Beispielen aus dem analysierten BP heruntergeladen werden, sondern alle Beispiele in invertierter Form.
Zum Beispiel:
Angenommen, es gibt zwei Trainingsbeispiele in der Trainingsstichprobe. (Eingänge und Ausgänge von -1 bis +1):
0,35 -0,21 0,8 -0,51 -0,71
0,71 0,1 -0,21 -0,96 0,12
Wobei: Vom ersten bis zum vorletzten Wert - Eingaben, z.B. normalisierte Werte von (RSI - 50.0) / 50.0 oder ein anderer Oszillator. Der letzte Wert gibt an, wie die Ausgabe aussehen soll. Um ein symmetrisches Training zu erhalten, sollte jedes dieser Beispiele invertiert werden, d. h. die Trainingsstichprobe sollte verdoppelt werden:
0,71 0,1 -0,21 -0,96 0,12
-0,35 0,21 -0,8 0,51 0,71
-0,71 -0,1 0,21 0,96 -0,12
0,35 -0,21 0,8 -0,51 -0,71
Es tut mir nicht leid. Siehe GRNN-GA.
Und? Wurde das neuronale Netz durch einen genetischen Algorithmus ersetzt?
Was genau steht in diesem Link? Worum geht es dabei?
Kann ich einen Kostenvoranschlag bekommen - für diejenigen, die das nicht verstehen?
Die Lösung dieses Problems ist einfach: Sie müssen das Netz in einem solchen Zeitintervall trainieren, in dem alle Arten von Bewegungen vorhanden sind. Sowohl seitwärts als auch nach oben und unten. Natürlich müssen Sie verstehen, dass das Netz, wenn es nur auf der Oberseite trainiert wird, auf der Unterseite versagen wird ))))
Alles richtig gesagt... Aber was ist mit der Trendwende? Ich hatte nicht viel Erfolg... einmal gut, dann nicht mehr so gut...
ps.aber wenn es normale Eingaben für den Lehrer gibt (d.h. - es gibt etwas in den Eingaben zu finden) - spielt es keine Rolle - Gitter (jede Struktur), Karten koh, ha, k-Methode, etc..... wird alles funktionieren...
ps.aber wenn es normale Eingaben für den Lehrer gibt (d.h. - es gibt etwas in den Eingaben zu finden) - spielt es keine Rolle - Gitter (jede Struktur), Karten koh, ha, k-Methode, etc..... wird alles funktionieren...
Und? Wurde das neuronale Netz durch einen genetischen Algorithmus ersetzt?
Was genau steht in diesem Link? Worum geht es dabei?
Kann ich einen Kostenvoranschlag bekommen - für diejenigen, die das nicht verstehen?
Mit neuronalen Netzen sind verschiedene Algorithmen gemeint, darunter Regressions- und genetische Algorithmen usw. Als Beispiel wird GRNN-GA angeführt, das nur deshalb als neuronales Netz bezeichnet werden kann, weil Gewichtungskoeffizienten verwendet werden - eine Suchmaschine für relevante Beispiele nach Abfrage in der Datenbank.
Ich möchte Sie an die ursprüngliche Aussage erinnern: NS und GA sind völlig unterschiedliche Dinge, die in keiner Weise miteinander verbunden sind.
Das eine geht in keinster Weise in das andere über.
Willst du dich streiten?
Die Diskussion über Methoden, Algorithmen (Grids, Ga, etc...) zur Suche nach Signalen nach Bedingung (Lehrer) ist endlos... sowie über die Vorbereitung der vr... der Punkt ist ein anderer... solange die allgemeine Dynamik erhalten bleibt, ist alles gut... wenn sich die Dynamik ändert, ist es ein Abfluss....
Es geht nicht um Dynamik. Die Dynamik kann beliebig sein - solange die Muster, die das Netz während der Trainingszeit gefunden hat, auch in Zukunft funktionieren. Das ist der Knackpunkt -.....)))
Der Gedanke ist einfach:
Angenommen, wir haben zwei TCs:
1. Beim Abprallen aus dem Kanal, d.h. beim Contrend. Verdient im Kanal und verliert bei einer Panne.
2. Den Kanal durchbrechen - Trend. In langen Trends macht er Gewinne, in Seitwärtsbewegungen verliert er Verluste.
Das einzige Problem dabei ist, wie man die nächste Marktphase bestimmen kann und wie lange sie dauern wird.......