Neuronales Netz - Seite 9

[Леонид]

Vanek_MIL писал(а) >> Und wenn man (natürlich unter den oben genannten Bedingungen) das ursprüngliche Signal und die Ableitung vergleicht, ist dann die Ableitung die richtige Wahl?

Es hängt alles davon ab, was das ursprüngliche Signal ist, was seine Ableitung ist und was wir als Ergebnis erhalten wollen. Aber natürlich gilt: Je weniger Transformationen, desto besser, denn jede Transformation führt zu zusätzlichen Verzerrungen des Originalsignals, was sich natürlich negativ auf das Endergebnis auswirken kann.

Vanek_MIL schrieb(a) >> Und wenn man die Situation auf das Überschreiten eines Schwellenwerts ausdehnt, indem man den Offset relativ zu Null setzt, sollten dann die "Schwellenwert"-Signale auf diese Weise verstärkt werden...?

Was meinen Sie mit "Verstärkung der Schwellensignale"?

[[Gelöscht]]

LeoV писал(а) >>

Was meinen Sie mit "Schwellensignale verstärken"?

Ich bezog mich auf ein abgeleitetes Signal, das seinen Höhepunkt erreicht, wenn das ursprüngliche Signal einen bestimmten Schwellenwert überschreitet - also eine Verallgemeinerung des obigen Beispiels.

LeoV >>:

Es hängt alles davon ab, was das Ausgangssignal ist, was seine Ableitung ist und was wir als Ergebnis erhalten wollen

.

Es kommt also auf die jeweilige Aufgabe an.

Erlauben Sie mir, Ihnen meine Denkweise vorzustellen - wie und warum ich Netze verwenden werde.

• Wenn ich ein Netzwerk mit einem Indikator trainiere, der vorgefertigte Signale erzeugt, erwarte ich, dass das Netzwerk eine Kombination von Eingaben (ein Muster) findet, die dem Auftreten des Signals vorausgeht, und das Signal vorhersagt, wenn sich das Muster wiederholt.

Wie wird sie "wissen", dass sie diejenige ist, die ihr vorausgeht? Nun, wahrscheinlich, weil eine auf diesen Signalen basierende Strategie mehr Gewinn bringt. Auch wenn dies natürlich nicht eindeutig ist - es ist nur eine Vermutung.

Das Muster muss (? darf) die statische Komponente (Werte) und die dynamische Komponente (Momente usw.) enthalten, um das Bild zu vervollständigen.

Wir haben bereits mit dem Lehrer über das Lernen gesprochen. Der Indikator wird der Lehrer sein, der gute Signale gibt (und nach der Optimierung - noch besser).

Aber warum sollte man dann nicht einen "idealen" Lehrer einsetzen, der auf der Grundlage desselben Zickzackkurses Signale gibt. Allerdings stellt sich hier die Frage, ob es dem Lehrer erlaubt ist, in die Zukunft zu blicken, ohne dass das Netz in die Zukunft blicken kann.

• Es ist möglich, das Training zu nutzen, ohne dass der Lehrer sich darauf verlässt, dass das Netz einen Zustand findet, in dem die von ihm ausgesandten Signale den Gewinn maximieren. Aber es ist schwer, hier etwas vorherzusagen - wählen Sie einfach (??) den Typ, die Konfiguration des Netzes und die Menge der Eingänge?

• Bei der Auswahl der Inputs werden die Indikatoren ausgewählt/konstruiert, die mehr oder weniger zuverlässig einen Punkt anzeigen (z.B. Annäherung an das Konsolidierungsniveau oder geringere Korrelation zwischen den Paaren), die allein nicht für die Signalbildung ausreichen. Ist das Netz in der Lage, diese Gesamtheit von Daten zu verarbeiten und eine Schlussfolgerung zu ziehen? Mit anderen Worten: Welche Eigenschaften müssen diese Signale haben, damit das Netz effizient funktioniert?

Herzliche Grüße an die Versammelten.

[[Gelöscht]]

njel >> :

Die Idee des TC muss vorhanden sein.

Um das Bild zu vervollständigen: Die Idee ist, das Netzwerk zu nutzen, um Einstiegssignale (oder deren Bestätigung) zu erhalten, und dann den Handel zu begleiten und "selbständig" auszusteigen - entweder durch Stop-Loss oder durch den Erhalt eines Reverse-Signals.

[[Gelöscht]]

Es wird über das Lernen mit und ohne Lehrer gesprochen

Und es stellte sich eine Frage - an die Benutzer von Neuroshell (vielleicht ist es in anderen Programmen ähnlich - ich weiß es nicht genau) - bezüglich des Addons Neural Indicators.

Ich werde einige Vorschläge machen (falls falsch - korrigieren).

Wenn wir übliche neuronale Netze auf der Grundlage von Turboprop (entweder Predict oder ATR2) oder probabilistische Netze nehmen, dann wird das Training von einem Lehrer durchgeführt. Als Lehrer nehmen wir einen Indikator - oder Standard-Neural Outputs wie Optimal%Change, oder Preisveränderung, oder Bai/Sell Flag, oder etwas, das auf dem gleichen Zickzack (wenn Sie das meinen) etc. basiert. Es wird also davon ausgegangen, dass die Signale des Lehrers irgendwie mit den Eingabedaten koordiniert werden sollten. Andernfalls kann es zu Situationen kommen, in denen der Input allmählich zunimmt und dann wieder abnimmt, der Output aber konstant bleibt. Oder der Input ist konstant - der Output steigt am Anfang schnell an und nimmt dann ab. Es gibt viele Varianten und alles ist viel schlimmer, wenn es viele Eingaben gibt. Und solche Dinge führen wahrscheinlich zu einer Stagnation des Netzes, weil der gleiche Input zu unterschiedlichen Outputs führt oder umgekehrt.

Das Ergebnis könnte also sein, dass es sehr schwierig ist, die RICHTIGE Lehrkraft auszuwählen. Wenn wir einen Fehler machen, riskieren wir, das Netzwerk zu ruinieren, selbst wenn wir gute Inputs haben.

Eine mögliche Lösung ist die Verwendung von Netzen aus dem Addon Neuronale Indikatoren - sie werden ohne Lehrer trainiert und sind an die Zielstrategiefunktionen angepasst

Frage - hat dieses Addon einen deutlichen Vorteil gegenüber anderen neuronalen Netzen?

[OO]

Ich verstehe nicht, warum wir abgeleitete Kurse nehmen müssen, wenn wir ein neuronales Netz verwenden können, um die mögliche Richtung der Bewegung vorherzusagen, indem wir eine Reihe von früheren Werten von HIGH CLOSE LOW eingeben

etwa 400 Takte tief ;) ? Auf H1-Zeitrahmen und weniger ist es notwendig, den OPEN-Preis zu berücksichtigen. Dies ergibt 400 X 4 = 1600 HCLO-Eingabewerte für M1: 60 Takte im Voraus reichen für die Vorhersage der Richtung aus). Jetzt müssen nur noch ein geeignetes Analyseprogramm und ein Supercomputer gefunden werden.

[[Gelöscht]]

Piboli писал(а) >>

Ich verstehe nicht, warum wir abgeleitete Kurse nehmen müssen, wenn wir ein neuronales Netz verwenden können, um die mögliche Richtung der Bewegung vorherzusagen, indem wir eine Reihe von früheren Werten von HIGH CLOSE LOW eingeben

etwa 400 Takte tief ;) ? Auf H1-Zeitrahmen und weniger ist es notwendig, den OPEN-Preis zu berücksichtigen. Dies ergibt 400 X 4 = 1600 HCLO-Eingabewerte für M1: 60 Takte im Voraus reichen für die Vorhersage der Richtung aus). Jetzt müssen nur noch ein geeignetes Analyseprogramm und ein Supercomputer gefunden werden.

Das Wichtigste ist, das richtige Analyseprogramm zu finden ))))

>> Entschuldigen Sie bitte, aber haben Sie gute Erfahrungen mit diesem Ansatz gemacht?

[OO]

GrooovE >> :

Das Wichtigste ist, das richtige Analyseprogramm zu finden )))

Entschuldigen Sie bitte, aber was - gibt es positive Erfahrungen mit einem solchen Ansatz?

Nun auf H4 für 4-5 Takte vor perc für 90 hundert zuverlässig ja für 2-3 Wochen ohne Umschulung...

Ich kann kein normales Programm finden, außer Forex muss ich www.wasm.ru studieren ;)

Ich muss Forex studieren und weiß nicht, wie ich das anstellen soll.

[Леонид]

Vanek_MIL писал(а) >>

Um ehrlich zu sein - ich verstehe es nicht...)) Zum Thema perfekter Lehrer - es ist keineswegs sicher, dass der perfekte Lehrer gebraucht wird......

GrooovE schrieb(a) >> Frage - hat dieses Addon einen deutlichen Vorteil gegenüber den anderen Neuroshell-Netzen?

Ein Vorteil - kein Lehrer.....

Piboli schrieb >>

Ich verstehe nicht, warum man Ableitungen von Kursen nimmt, wenn man mit Neuronet die mögliche Bewegungsrichtung vorhersagen kann, indem man eine Reihe vorheriger Werte HIGH CLOSE LOW als Eingabe angibt

etwa 400 Takte tief ;) ? Auf dem H1-Zeitrahmen und darunter ist es notwendig, den OPEN-Preis zu berücksichtigen. Dies ergibt 400 X 4 = 1600 HCLO-Eingabewerte für M1: 60 Takte im Voraus reichen aus, um die Richtung vorherzusagen). Jetzt müssen nur noch ein geeignetes Analyseprogramm und ein Supercomputer gefunden werden.

Das Problem besteht darin, dass das neuronale Netz nicht weiß, was es tun soll, wenn der Preis über die Spanne von 400 Balken hinausgeht, und ein Signal in Richtung dieser Spanne gibt, unabhängig davon, wie sich der Preis außerhalb dieser Spanne bewegt ......

[[Gelöscht]]

LeoV >> :

Ehrlich gesagt - ich verstehe es nicht...

Wie man sagt, enthält eine richtig gestellte Frage den größten Teil der Antwort. Daher können selbst aus einer solchen Antwort bestimmte Schlussfolgerungen gezogen werden...)

Verzeihen Sie mir meine Verärgerung und erlauben Sie mir, eine weitere Überlegungsfrage zu stellen:

Kann ein neuronales Netz verwendet werden, um die aktuelle Marktphase zu bestimmen?

Lassen Sie mich klarstellen, was gemeint ist.

Unter Marktphase verstehen wir in diesem Fall das Vorhandensein eines Trends oder dessen Fehlen (wahrscheinlich handelt es sich um eine Flaute).

Okay, lassen wir den Lehrer beiseite. Nehmen wir das Netz ohne Ausbildung.

Die Eingaben müssen also so gewählt werden, dass Cluster (man verzeihe mir meine Inkompetenz), bestenfalls zwei von ihnen im Eingabeparameterraum erscheinen:

Eine für einen Trend, die andere für eine Wohnung... (oder gibt es vielleicht nur ein Cluster - Trend, und alles andere - nicht Trend?).

Wenn das der Fall ist:

Wie und in welcher Form zeigt das Ausgangssignal die Zugehörigkeit zu einem bestimmten Cluster?

Ist es realistisch, diese Cluster bereits in der Phase der Auswahl der Eingaben zu visualisieren und zu navigieren?

Wenn man ein solches Netz entwirft, kann man den Prozess methodisch kontrollieren oder man muss sich auf den Zufall verlassen - wird es funktionieren oder wird es nicht funktionieren (das ist natürlich eine naive Frage))?

Hochachtungsvoll.

// ging, um Mathe zu lernen

[[Gelöscht]]

Zum Thema Backprop möchte ich hinzufügen, dass die Verwendung des Standardfehlers des Algorithmus falsch ist.