Marktknigge oder gute Manieren im Minenfeld - Seite 41
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 habe die Genauigkeit von einschichtigen und zweischichtigen Neuronen auf Eurobucks Uhren verglichen und festgestellt, dass die einschichtigen Neuronen merklich effizienter sind. Ich denke, das liegt daran, dass es keine "trickreichen" nichtlinearen Abhängigkeiten zwischen den Balken auf dem Markt gibt. Hier ist alles so einfach wie eine Brechstange und die Abhängigkeiten sind am linearsten, was die Einschichtigkeit ausmacht. Übrigens ist die Architektur eines einzelnen Neurons im Wesentlichen analog zu einem linearen AR-Modell der n-ten Ordnung, wobei n die Anzahl der Eingänge von NS ist , und die Tatsache, dass die Doppelschicht nichts Neues zwischen den Balken findet, sagt über die Nutzlosigkeit der Verwendung nichtlinearer AR-Modelle in diesem konkreten Fall aus.
Ich habe zwar kein absolutes Vertrauen in seine Richtigkeit - aber probieren Sie Ihr Neuron an meinen Daten aus - es ist im Trailer zusammen mit dem Mädchen, und wenn Sie Zeit und Lust haben - überprüfen Sie das Mädchen an Ihren Daten.
Laden Sie mir Ihre Datei mit EURUSD 1h herunter und speichern Sie Ihre Matkad-Dateien im Format 11, sonst kann ich Sie nicht mehr lesen.
Es tut mir natürlich leid, aber ich habe in letzter Zeit Schwierigkeiten, den Hinweis zu verstehen. Vielleicht liegt es daran, dass ich zu viel am Computer gesessen habe... Was ist dieses "Etwas", über das Sie schreiben? Nennen Sie mir wenigstens ein Beispiel.
Ich habe die Stochastik(0) u.a. im Moment einer neuen Balkenbildung gefüttert. Oder Sie können MA(0) mit PRICE_TYPICAL als Eingabe verwenden. Per Definition enthält er bereits den Schlusskurs. Das heißt, Sie geben dem Netz einen "Hinweis" und es sollte ihn nur aufgreifen. Wenn es den Hinweis aufnimmt, wissen Sie, dass der Trainingsalgorithmus funktioniert.
Ich habe die Genauigkeit von einschichtigen und zweischichtigen Neuronen auf Eurobucks Uhren verglichen und festgestellt, dass die einschichtigen Neuronen merklich effizienter sind. Ich denke, das liegt daran, dass es keine "trickreichen" nichtlinearen Abhängigkeiten zwischen den Balken auf dem Markt gibt. Hier ist alles so einfach wie eine Brechstange und die Abhängigkeiten sind am linearsten, was die Einschichtigkeit ausmacht. Übrigens ist die Architektur eines einzelnen Neurons im Wesentlichen analog zum linearen AR-Modell der n-ten Ordnung, wobei n die Anzahl der Eingänge von NS ist, und die Tatsache, dass die Doppelschicht nichts Neues zwischen den Balken findet, sagt über die Nutzlosigkeit der Verwendung nichtlinearer AR-Modelle in diesem konkreten Fall aus.
Senden Sie mir einfach Ihre Datei mit EURUSD 1h und speichern Sie Ihre Matkad-Dateien im Format 11, sonst kann ich Sie nicht mehr lesen.
Ich hatte diesen Verdacht, aber ich habe ihn mutig zurückgewiesen :-) Entschuldigung für das Format - ich habe es nicht richtig gesehen. Übrigens, ich versuche jetzt, die Lerngeschwindigkeit zu manipulieren (Griechisch Eta) - die Ergebnisse für AUDUSD deutlich verbessert Einführung dieser 15-20 - ich habe mehr als 4,5 Renditen. Diese Maßnahme hatte jedoch keine Auswirkungen auf die Eurobucks.
Ich habe unter anderem einmal eine Stochastik(0) in die Eingabe eingespeist, wenn ein neuer Balken gebildet wurde. Oder Sie können MA(0) mit PRICE_TYPICAL als Eingabe verwenden. Per Definition enthält er bereits den Schlusskurs. Das heißt, Sie geben dem Netz einen "Hinweis" und es sollte ihn nur aufgreifen. Wenn es den Hinweis aufnimmt, wissen Sie, dass der Trainingsalgorithmus funktioniert.
Wäre es also nicht einfacher, einfach einen Null-Balken (unvollendeter Abschluss) in die Eingabe einzugeben? Aber wie sehen Sie die Ergebnisse? Tester helfen hier nicht weiter, ebenso wenig wie die numerische Modellierung, die mir Sergei hier beibringt.
Ich habe es auf 100 Grad erwärmt... das wirkt Wunder!
Das ist eine großartige Lehrmethode! Die Hauptsache ist, dass man weiß, wie man sie richtig einsetzt.
Erinnern Sie sich an meine "Phantasien" über Entropie und all das? Das ist also genau das, was Sie getan haben. Sie müssen nur die anfängliche Initialisierung der Waage aufgeben und die Temperatur des Mädchens erhöhen, um sie dann allmählich abzukühlen. Und die Frage ist: Warum brauchen wir diese doppelte Schicht?
Es wäre schön, über die gleichzeitige Optimierung von drei Parametern nachzudenken: Dimensionalität der Eingabe, Anzahl der Epochen und Anfangstemperatur. Alle drei Parameter sind kritisch, d. h. die Änderung eines dieser Parameter um nur einen (Temperatur um zehn) führt zu einem völlig anderen Ergebnis.
Alle drei Parameter sind kritisch, d.h. wenn einer von ihnen auch nur um eine Einheit (Temperatur um ein Zehntel) verändert wird, führt dies zu einem völlig anderen Ergebnis.
Im Allgemeinen kann dies ein Hinweis auf eine schlechte Lernfähigkeit der NS sein. Denken Sie daran, dass die Suche nach dem globalen Minimum auf der Oberfläche von fast jedem Ausgangspunkt aus möglich sein sollte. Und Sie erfüllen diese Bedingung nicht (Empfindlichkeit gegenüber der anfänglichen Randomisierung der Gewichte). Dies ist eine Glocke.
Wir müssen es herausfinden, bis wir es verstehen.
Wo ist sie zu suchen?
Gute Frage! Ich weiß es nicht. Dank Matcad können Sie den Zählvorgang in jedem Schritt visualisieren. Experiment.
Ich beschäftige mich gerade mit meiner Doppelschicht - ich untersuche die Abhängigkeit der Lerneffizienz von k. Es ist ziemlich ressourcenintensiv, daher lasse ich Ihre Lösung noch nicht auf meinem Konto laufen.