Réseaux neuronaux probabilistes, paquets et algorithmes pour MT4 - page 19

[[Deleted]]

J'ai essayé de travailler avec la topologie en modifiant le degré de lissage du signal ou en changeant qualitativement le réseau d'entrée - les résultats sont terribles. Dans les réseaux probabilistes, l'œil non averti remarque immédiatement plusieurs contradictions méthodologiques rencontrées dans le développement des réseaux - l'une d'entre elles est que la portée de la période de test est proportionnelle à la non-linéarité du réseau. En d'autres termes, la manière d'optimiser le réseau n'est pas claire.

[[Deleted]]

que puis-je dire... voici la pornographie))

[[Deleted]]

elle est là

[[Supprimé]]

xproit:
le voici

Un coup d'œil rapide. Vous avez raison - la pornographie.)

Pourquoi un si grand jardin d'apports totalement désordonnés ? Quel est l'intérêt de mettre en même temps les valeurs absolues et leurs différences sur l'entrée ? Les Nets sont "ivres" de ça...

[[Deleted]]

En fait, je prépare un fichier de données dans MT4, en y mettant tout ce que j'ai, et dans NEUROSHELL 2, je sélectionne directement, je combine, etc.

[[Supprimé]]

xproit:

Le fait est que je prépare un fichier de données dans MT4 en joignant tout ce que j'ai, et dans NEUROSHELL 2 je sélectionne, combine, etc. directement.

Et pouvez-vous me montrer le fichier de données d'entrée pour NS2 ?

Et quel est le critère de classification de l'ensemble d'entrée, c'est-à-dire pourquoi déterminez-vous que tel ensemble d'ex. achète, tel autre vend ? Oups, je l'ai vu moi-même...

Z.U. Au fait, j'ai récupéré une NS2 relativement récente il y a quelques jours, juste pour l'expérimenter avec PNN...

[[Deleted]]

J'utilise des filets dans le commerce de toute façon. Pour confirmer les signaux de transaction avec les valeurs prédites des indicateurs. C'est probablement le principal avantage de cette méthode par rapport au décalage et à la moyenne. Lorsque je prédis des lignes lissées comme BZL MACD(High,15,30) 3 points à l'avance, même en utilisant des décalages de l'indicateur à l'entrée, j'obtiens un coefficient de corrélation de 0,995 en moyenne.

[[Deleted]]

En substance, les réseaux probabilistes sont moins exigeants dans la tâche de détermination du réseau d'entrée. Le réseau en formation utilise un algorithme de corrections individuelles du paramètre de lissage de chaque entrée ainsi que du paramètre de lissage global. C'est-à-dire que pendant la formation, les valeurs des paramètres de lissage individuels sont utilisées comme un outil d'analyse de la sensibilité de l'entrée : plus le paramètre pour cette entrée est important, plus l'entrée est importante pour le modèle. C'est-à-dire que le réseau n'est pas optimisé par le tableau d'entrée. Il est souhaitable de lui donner plus d'entrées (candidats).

[[Deleted]]

Essayez de travailler avec eux. Je travaille aussi avec eux depuis un certain temps. Voici un indicateur pour préparer un fichier de données ou plutôt un script

[[Supprimé]]

xproit:
Essayez de travailler avec eux. Je travaille aussi avec eux depuis un certain temps. Voici un indicateur pour préparer un fichier de données ou plutôt un script

Je vais y jeter un coup d'œil, merci.