Discussion de l'article "Réseaux neuronaux : De la théorie à la pratique" - page 8

Nouveau commentaire
 

Excellent article !!!
Seule la question d'un exemple de système de 2 neurones ou plus reste ouverte.


Peut-être quelqu'un a-t-il un exemple simple d'un conseiller à 2 ou 3 neurones ?

 
sigma7i:

Excellent article !!!
Seule la question d'un exemple de système de 2 neurones ou plus reste ouverte.


Peut-être que quelqu'un a un exemple simple d'un conseiller à 2 ou 3 neurones ?

J'avais l'intention d'écrire un deuxième article sur cette question, mais je n'ai pas encore le temps.

Essayez ce modèle

double out_net; //résultat du réseau
double out[2];  //résultats de la première couche de neurones

out[0]=CalculateNeuron(inputs0,weight0); /calcul du premier neurone de la première couche
out[1]=CalculateNeuron(inputs1,weight1); /calcul du deuxième neurone de la première couche
out_net=CalculateNeuron(out,weight2);    //calculer le neurone de sortie du réseau
Je pense que l'idée est claire.
 
fyords:

Essayez ce modèle.

Je pense que vous avez compris l'idée.

C'est très clair, merci !

Ici, il s'avère que le nombre de coefficients de poids double avec chaque neurone, mais c'est une question de créativité :).

J'attends l'article !

 
MetaQuotes:

Nouvel article Neural Networks : From Theory to Practice est publié :

Auteur : Дмитрий

Merci beaucoup pour cet article, serait-il possible de changer les virgules (,) en virgules flottantes ?

733,562 658,29

733.562 658.29
 

C'est un excellent article, bien fait.

J'ai cependant quelques questions...

Dans votre exemple d'un neurone, l'entrée est constituée par les 10 dernières valeurs de l'indicateur RSI. Par conséquent, la sortie de ce neurone sera simplement une forme sophistiquée de moyenne pondérée des 10 dernières valeurs de l'indicateur RSI.

Par exemple, si je voulais utiliser 3 indicateurs comme entrées, penseriez-vous mettre en œuvre 3 neurones de la manière décrite dans votre article, en cascade vers un neurone de deuxième couche, ou utiliseriez-vous simplement la dernière valeur de chacun des 3 indicateurs comme entrée dans un seul neurone ?

Mon autre question est la suivante : dans un réseau à plusieurs couches, auriez-vous encore besoin de normaliser les données de la première couche pour les introduire dans la deuxième couche, étant donné qu'elles seront de toute façon comprises entre -1,1 et 0,1 ?

Merci beaucoup.

 

Quelqu'un a-t-il essayé de reproduire ces résultats ?

Toutes mes tentatives aboutissent à un équilibre vers le bas dans les résultats de Forward.

De plus, le nombre de ticks traités ne correspond pas - c`est presque la moitié de ce qui est indiqué dans l`image.

Une chose qui a attiré mon attention : le nombre de ticks 17331 de la période entre 2012.01.02 et 2012.09.14 correspond exactement si je désactive l'option Forward. Hummm ...

 

Bon article qui facilite la compréhension du concept de base des réseaux neuronaux. Il m'a beaucoup aidé. Je vous remercie !

[Supprimé]  

Merci.
Un exemple intéressant qui utilise le concept. https://www.mql5.com/fr/code/1649

Bollinger Band Width calculation with Neural Network using
Bollinger Band Width calculation with Neural Network using
  • votes : 14
  • 2013.04.16
  • surubabs
  • www.mql5.com
This Expert Advisor works with Neural Network method
 
MetaQuotes:

Nouvel article Neural Networks : From Theory to Practice est publié :

Auteur : Дмитрий

Le meilleur exemple sur la base de l'article est https://www.mql5.com/fr/code/1649 ,

La plupart des traders qui utilisent les bandes de Bollinger recherchent des EA basés sur la largeur de Bollinger,

L'EA que j'ai posté donne la largeur de la bande de Bollinger, il n'utilise pas d'indicateurs personnalisés, tous les calculs ont été faits sur la base de l'indicateur de la bande de Bollinger,

Avec l'utilisation de la méthode du réseau neuronal, vous pouvez voir que la largeur de la bande de Bollinger est négociée par l'EA, lorsqu'il y a une cassure.

C'est vraiment intéressant, regardez-le vous-même.

Bollinger Band Width calculation with Neural Network using
Bollinger Band Width calculation with Neural Network using
  • votes : 14
  • 2013.04.16
  • surubabs
  • www.mql5.com
This Expert Advisor works with Neural Network method
 

Excellent article. Cependant, cette méthode vous amène à un résultat, l'ajustement des courbes. En fin de compte, les tests sur des comptes réels peuvent être décevants. Les informations données dans cet article sont précieuses pour ceux qui veulent comprendre comment débuter en IA, mais ils doivent trouver une meilleure méthode de mise en œuvre pour s'éviter les méthodes d'ajustement de courbe. Tout système de trading doit être capable d'utiliser des paramètres dynamiques qui reflètent les conditions changeantes du marché. Dans le cas contraire, l'EA sera obsolète en très peu de temps, ce qui conduira votre compte à un solde nul. Les données d'entrée doivent donc être conçues avec beaucoup de soin. L'important est la conception des entrées et vous devez savoir à quoi ressemblera la sortie. L'IA ne signifie pas que vous pouvez donner n'importe quelle entrée et obtenir un excellent résultat. Les développeurs d'IA ont un mot très commun : "GARBAGE IN, GARBAGE OUT" (les déchets entrent, les déchets sortent)

1234567891011
Nouveau commentaire