Marktknigge oder gute Manieren im Minenfeld - Seite 14
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
Dies ist der größte Fehler von allen. Der Markt wird Sie für Ihre Unverschämtheit bestrafen!
Sie können nur mit dem Markt und nach seinen Regeln spielen. Und wenn es das Spiel mag, wird es Sie belohnen.
Schreiben Sie dem Markt persönliche Qualitäten zu, und zwar mit einem großen Buchstaben? :)
Der Markt ist eine Wildnis, die Analogie zum Ozean scheint mir recht treffend.
Das war ein Scherz:-)
Ich weiß, dass der Markt nur ein zufälliger und irgendwo quasi-stationärer Prozess ist. Und die Aufgabe von TS besteht darin, einen gewissen Anschein von Stationarität zu finden und auszunutzen.
Ich frage mich, ob es eine Möglichkeit gibt, Ziele (TP, SL) zum Beispiel aus der Volatilität von "Tagen", "Wochen" oder anderweitig zu berechnen, so dass sie sich reibungslos mit dem Markt ändern können.
Das war ein Scherz:-)
Hier gibt es eine Menge ernsthafter Kerle! Nur ein Scherz... >>:)
Neutron, ich habe einige Fragen zu ORO. Verstehe ich das richtig, dass, wenn ein Fehlerwert in ein Neuron eingegeben wird, es diesen Fehler auf alle Gewichte seiner Eingänge entsprechend ihrem Anteil an der Gesamtsumme dieser Gewichte aufteilt?
Das heißt, wir nehmen den Fehlerwert +/- Er, summieren dann alle Gewichte der eingehenden Synapsen Sw1 = SUM(w1+w2+w3+... wn) und berechnen den Anteil (am Gesamtgewicht) jeder dieser Synapsen
Dw1 = w1/(Sw1/100) und dann verteilen Sie +/-Er auf alle Gewichte entsprechend ihrem Anteil am Gesamtgewicht: wi = wi +/- Dwi *Er ist das richtig? Wenn ja, ist es möglich, diese Verteilung nicht linear, sondern, sagen wir, exponentiell zu gestalten? Denn in lebenden Systemen sind "Boni" und "Ohrfeigen", d.h. Fehler und Boni, keineswegs linear auf "Erste" und "Letzte" verteilt.
Zweite Frage:
Woher kommt der Fehlerwert? Was ist das Vorzeichen dieses Wertes? Kann der Wert des Verlustes der vorherigen Transaktion ein "Fehlerwert" sein?
Verstehe ich das richtig, dass ein Neuron bei der Eingabe eines Fehlerwertes diesen Fehler auf alle Gewichte seiner Eingänge entsprechend ihrem Anteil an der Gesamtsumme dieser Gewichte aufteilt?
Nein, er teilt sie nicht auf, sondern verteilt sie. Und zwar nicht, weil jemand es so will, sondern als Ergebnis der Minimierung der Zielfunktion.
In Anbetracht dessen...
Wenn ja, ist es möglich, diese Verteilung nicht linear, sondern, sagen wir, exponentiell zu gestalten? Schließlich sind in lebenden Systemen "Boni" und "Ohrfeigen", d.h. Fehler und Boni, keineswegs linear auf "Erste" und "Letzte" verteilt.
Diese Annahme führt wahrscheinlich zu einem langsameren Lernen oder zu einer Abweichung des Gesamtfehlers.
Nein, das tut sie nicht - sie breitet sich aus. Und zwar nicht, weil es jemand will, sondern als Ergebnis der Minimierung der Zielfunktion.
In Anbetracht dessen...
Diese Annahme führt wahrscheinlich zu einem langsameren Lernen oder zu einer Diskrepanz beim Gesamtfehler.
Wird die Vorhersehbarkeit zunehmen?
Neutron, ich habe Fragen zu ORO. Verstehe ich das richtig, dass ein Neuron bei der Eingabe eines Fehlerwertes diesen Fehler auf alle Gewichte seiner Eingänge entsprechend ihrem Anteil an der Gesamtsumme dieser Gewichte aufteilt?
Das heißt, wir nehmen den Wert des Fehlers +/- Er und summieren dann alle Gewichte der Eingangssynapsen Sw1 = SUM(w1+w2+w3+... wn) und berechnen den Anteil (am Gesamtgewicht) jeder von ihnen
Dw1 = w1/(Sw1/100) dann verteile +/-Er auf alle Gewichte entsprechend ihrem Anteil am Gesamtgewicht: wi= wi +/- Dwi *Er stimmt das? Wenn ja, ist es möglich, diese Verteilung nicht linear, sondern beispielsweise exponentiell zu gestalten? Denn in lebenden Systemen sind "Boni" und "Ohrfeigen", d.h. Fehler und Boni, keineswegs linear auf "Erste" und "Letzte" verteilt.
Zweite Frage:
Woher kommt der Fehlerwert überhaupt? Was ist das Vorzeichen dieses Wertes? Kann der Wert eines Verlustes in einer früheren Transaktion als "Fehlerwert" dienen?
Nein, so ist es nicht.
Betrachten wir nicht einen Gitterausschuss wie den Ihren, sondern ein normales zweischichtiges Gitter. Dann können Sie verallgemeinern.
Sie haben einen Vektor von Eingangssignalen (lassen Sie ihn eindimensional sein) der Länge n Stichproben, und lassen Sie n+1 Stichproben eine Überprüfung der Qualität des Trainings des Gitters sein. Sie geben diesen Vektor(n Stichproben) ein, wobei Sie alle Gewichte mit Zufallswerten im Bereich +/-1 mit gleichmäßiger Wahrscheinlichkeitsdichteverteilung gleichsetzen, und sehen die Ausgabe des Gitters. Dann nehmen Sie die Differenz zwischen dem erhaltenen Wert und dem gewünschten Wert +4 und addieren diesen Wert unter Beibehaltung seines Vorzeichens zu jedem Gewicht des Ausgangsneurons (wenn es ohne FA ist), oder Sie ermitteln die Ableitung von FA von diesem Wert und addieren sie zu den Gewichten des Eingangsneurons (wenn es FA hat). Und so weiter.
Wenn Sie diesen Teil verdauen, erkläre ich Ihnen, wie Sie den Fehler weiter auf die Eingangsgewichte der ersten (Eingabe-)Schicht übertragen können.
Nein, das ist es nicht.
Würden Sie das nicht lieber in Formeln tun? Die Mathematik ist hier nicht kompliziert.
Wird die Vorhersehbarkeit zunehmen?
Unwahrscheinlich.
Nein, das tut sie nicht - sie breitet sich aus. Und zwar nicht, weil es jemand will, sondern als Ergebnis der Minimierung der Zielfunktion.
In Anbetracht dessen...
Diese Annahme führt wahrscheinlich zu einem langsameren Lernen oder zu einer Diskrepanz beim Gesamtfehler.
Und warum sollte es eine Diskrepanz im Gesamtfehler geben, wenn Er = e(w1*x) + e(w2*x) + ... e(wn*x)? Nein, der kumulative Fehler wäre gleich dem Eingabefehler.
Würden Sie das nicht lieber in Formeln tun? Die Mathematik ist hier nicht kompliziert.
Sie können die Formeln selbst in der Literatur nachschlagen, von der es im Internet reichlich gibt.
Wir sollten nicht zu voreilig sein. Und versuchen Sie nicht, Ihr Leben mit allen möglichen Erfindungen wie "nichtlinearem Lernen" und ähnlichem zu verkomplizieren, das kommt von dem Bösen. Schönheit und Zuverlässigkeit in Einfachheit und Harmonie!
Wenn Sie diesen Teil verdaut haben, erkläre ich Ihnen als Nächstes, wie Sie den Fehler auf die Eingabegewichte der ersten (Eingabe-)Schicht übertragen.
Ich gehe zum Brauen...