Discussion de l'article "Utiliser des Cartes de Caractéristiques Auto-Organisatrices (Kohonen Maps) dans MetaTrader 5" - page 5
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Bonjour, chers membres du forum !
Article très intéressant ! J'essaie également d'utiliser ce code SOM.
Quelqu'un peut-il me suggérer comment faciliter le calcul du résultat de la zone autour de la BMU (entourée en bleu pour plus de clarté), en tenant compte de la distance par rapport à la BMU ?
Vouliez-vous dire que le code s'exécute beaucoup plus rapidement en Java ? Veuillez joindre vos sources pour comparaison, c'est intéressant à voir.
Quelqu'un a-t-il trouvé une solution ? Je viens de trouver cet article. Je me joins à vous pour me remercier. Et à la question.
Mon commentaire 5 ans après mon dernier commentaire.....
Pourquoi ne vois-je pas l'histoire de l'ensemble d'entraînement et de l'ensemble de contrôle ? L'article cite l'analyse historique à l'aide d'une sorte de système de couleurs, mais dans l'expression "apprentissage automatique", le mot clé est "formation" et elle est effectuée pour négocier sur des périodes futures.
En bref, pourquoi cette analyse historique sophistiquée ? Vous faites de l'optimisation et vous voyez quelle période et quel quart de travail sont mieux testés.
Pourquoi ne vois-je pas l'histoire de l'ensemble d'entraînement et de l'ensemble de contrôle ? L'article présente une analyse historique à l'aide d'une sorte de système de couleurs, mais dans l'expression "apprentissage automatique", le mot clé est "formation" et il est effectué pour négocier sur des périodes futures.
J'ai posé une question similaire dans la discussion sur cet article https://www.mql5.com/fr/articles/5473.
J'ai étudié les documents relatifs à cette question et il est très probable que les cartes de Kohonen permettent simplement d'afficher des données multidimensionnelles et qu'elles ne sont pas destinées à l'analyse de données proprement dite.
J'ai posé une question similaire dans la discussion de cet article https://www.mql5.com/fr/articles/5473
J'ai étudié les documents relatifs à cette question. Il est très probable que les cartes de Kohonen permettent simplement d'afficher des données multidimensionnelles et qu'elles ne sont pas destinées à l'analyse de données proprement dite.
Lisez-le, il me semble que vous deux (trois d'entre vous ?) n'avez pas partagé un bonbon savoureux, et c'est reparti.
Je pense que toute publication a le droit d'être, mais il n'y a pas de description ici de ce que fait un réseau neuronal au sens habituel - prendre une "nouvelle" décision dans une "nouvelle" situation. Il n'y a qu'une analyse historique. Cela laisse perplexe.
Je regarde Simon Haykin, il y a de bons exemples. Et à la fin, il y a des tâches, et parmi ces tâches, il y a la prévision, ou ce que j'appellerais la prévision. J'écrirai quelques phrases supplémentaires sur le sujet si j'arrive à m'y retrouver.
Lisez-le, je pense que vous deux (trois ?) n'avez pas partagé un bonbon savoureux, et c'est reparti.
Il n'en a pas été ainsi, j'ai à nouveau décidé de revenir aux NS, et le choix s'est porté sur les cartes de Kohonen, après avoir googlé le matériel (ce site est très bien indexé par les moteurs de recherche), j'ai fait connaissance avec tout le matériel proposé par le moteur de recherche
Je me suis intéressé à ces types de NS il y a environ 5 ans, sans formation théorique, maintenant la quantité de connaissances sur les NS est tout à fait décente, et réétudier le matériel sur les cartes de Kohonen m'a posé beaucoup de questions.
J'ai posé une question spécifique... et au lieu de chercher la vérité, je suis tombé sur la défense des "intérêts de l'auteur" qui, pour une raison quelconque, répète l'article de Wiki et n'est étayé par rien d'autre, sauf... eh bien, comme vous l'avez dit, "ça n'en finit pas" - "vous êtes un imbécile" - "allez lire"
Je regarde Simon Haykin, il y a de bons exemples. Et à la fin, il y a des tâches, parmi les tâches il y a la prévision, ou ce que j'appellerais la prévision. Si j'y parviens, j'écrirai quelques phrases supplémentaires sur l'essentiel.
Je l'ai déjà lu, c'est le premier livre sur les NS, c'est le meilleur, alors combien de littérature je lis - plus de la moitié de la nouvelle littérature sera des réimpressions de Haykin.
Et à la fin, il y a des tâches, parmi lesquelles il y a la prévision, ou ce que j'appellerais la prévision. Si j'y parviens, j'écrirai quelques phrases supplémentaires sur l'essentiel.
Je serais heureux d'en discuter, cela fait longtemps que je cherche des informations sur ce sujet. Les cartes de Kohonen ne sont pas conçues pour quoi que ce soit - rien du tout ! - Ce ne sont que de belles représentations de données multidimensionnelles.
l'idée de ce type de NS est assez séduisante, le principe ressemble à celui d'un décodeur de composants électroniques - nous introduisons une combinaison de données d'entrée, nous obtenons un résultat prêt à la sortie.
les réseaux de Hamming testés , eh bien, comme si c'était ce que je cherchais, mais ... pour l'instant j'ai abandonné les NS - j'ai commencé à travailler sur des solutions simples, en voici quelques unes toutes faites https://www.mql5.com/ru/forum/307970/page11#comment_12625353.
Pour citer S. Osovsky :
"Un réseau auto-organisé peut également être utilisé avec succès pour prévoir, par exemple, les charges d'un système électrique. Cette sous-section présentera les détails de la résolution du problème de la prévision des charges horaires dans un système électrique sur un intervalle de 24 heures".
Tout va donc bien. Ce type de prévision, tel que décrit ci-dessous, est généralement adapté à la prédiction d'une action d'achat, de vente ou de rejet sur le marché des changes.
Je sais que personne n'appellerait cela un réseau neuronal si les cartes de Kohonen ne pouvaient pas prédire.
Je regarde toujours la racine, je savais que personne n'appellerait cela un réseau neuronal si les cartes de Kohonen ne pouvaient pas prédire.
Ils ne le peuvent pas, la formation est là pour déployer des vecteurs de poids NS sur des ensembles de formation - le résultat est de regrouper les données, mais la réponse du réseau lui-même est absente des autres données - ou plutôt elle le sera, mais elle produira des valeurs aléatoires.
à propos de la racine... le nom n'est pas le réseau de Kohonen, il s'agit de cartes auto-organisatrices (SOM).
UPD : Je ne vois pas l'intérêt de continuer la discussion, la deuxième fois la discussion est réduite à ce qui est écrit dans Wiki, et maintenant à ce qu'un certain "Quoting S. Osovsky" a écrit. J'accepte de rester dans la captivité de mon raisonnement, qui n'est pas soutenu par la phrase "SOM Kohonen" peut prédire, et l'inverse - ils ne le peuvent pas.
Ils ne savent pas comment le faire, il y a une formation pour déployer des vecteurs de poids NS sur des ensembles de formation - le résultat est de regrouper les données, mais la réponse du réseau lui-même est absente sur d'autres données - ou plutôt elle le sera, mais elle produira des valeurs aléatoires.
à propos de la racine... le nom n'est pas réseau de Kohonen, mais cartes auto-organisatrices (SOM).
UPD : Je ne vois pas l'intérêt de poursuivre la discussion, la deuxième fois la discussion est réduite à ce qui est écrit dans Wiki, et maintenant à ce qui est écrit par quelqu'un "Citant S. Osovsky". J'accepte de rester captif de mon raisonnement, qui n'est pas étayé par la phrase "SOM Kohonen" peut prédire, et l'inverse - ils ne le peuvent pas.