Redes neuronales probabilísticas, paquetes y algoritmos para MT4 - página 19

[[Eliminado]]

He intentado trabajar con la topología cambiando el grado de suavización de la señal o cambiando cualitativamente la matriz de entrada - los resultados son terribles. En las redes probabilísticas, el ojo inexperto se da cuenta inmediatamente de varias contradicciones metodológicas encontradas en el desarrollo de la red: una de ellas es que el rango del periodo de prueba es proporcional a la no linealidad de la red. Es decir, no está claro cómo optimizar la red.

[[Eliminado]]

qué puedo decir... aquí está la pornografía))

[[Eliminado]]

allí está ella

[[Eliminado]]

xproit:
aquí está

Un vistazo rápido. Tienes razón: la pornografía).

¿Por qué un jardín tan grande de entradas completamente descoordinadas? ¿Qué sentido tiene poner en la entrada los valores absolutos y sus diferencias al mismo tiempo? Las redes se "emborrachan" de esto...

[[Eliminado]]

El caso es que preparo un fichero de datos en MT4, metiendo todo lo que tengo en él, y en NEUROSHELL 2 directamente selecciono, combino, etc.

[[Eliminado]]

xproit:

El caso es que preparo un fichero de datos en MT4 adjuntando todo lo que tengo, y en NEUROSHELL 2 directamente selecciono, combino, etc.

¿Y puedes mostrarme el archivo de datos de entrada para NS2?

¿Y cuál es el criterio para la clasificación del conjunto de entrada, es decir, por qué se determina que este conjunto de, por ejemplo, comprar, este vender? Oops, lo vi yo mismo...

Z.U. Por cierto, hace un par de días desenterré un NS2 relativamente fresco, sólo para experimentar en él con PNN...

[[Eliminado]]

Sigo utilizando las redes en el comercio. Confirmar las señales de comercio con los valores previstos del indicador. Esta es probablemente la principal ventaja de este método sobre el retraso y la media. Al predecir líneas suavizadas como BZL MACD(High,15,30) con 3 puntos de antelación, incluso utilizando rezagos del indicador en la entrada, obtengo un coeficiente de correlación de 0,995 en promedio.

[[Eliminado]]

En esencia, las redes probabilísticas son menos exigentes en la tarea de determinar el conjunto de entrada. En el entrenamiento, la red utiliza un algoritmo de correcciones individuales del parámetro de suavizado de cada entrada, así como del parámetro de suavizado global. Es decir, durante el entrenamiento, los valores de los parámetros de suavizado individuales se utilizan como herramienta para analizar la sensibilidad de la entrada Cuanto mayor sea el parámetro para una entrada determinada, más importante será la entrada para el modelo. Es decir, la red no está optimizada por la matriz de entrada. Es deseable darle más entradas (candidatos).

[[Eliminado]]

Intenta trabajar con ellos, yo también he trabajado con ellos durante un tiempo. Este es un indicador para preparar un archivo de datos o más bien un script

[[Eliminado]]

xproit:
Intenta trabajar con ellos, yo también he trabajado con ellos durante un tiempo. Este es un indicador para preparar un archivo de datos o más bien un script

Le echaré un vistazo, gracias.