Reconnaître les images (thème rhétorique) - page 12
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
denis_orlov:
думаю, именно это ты и просишь, т.к. сам конкретику представить не в состоянии.
Je ne demande rien. Et je n'en ai pas demandé.
Je vous l'ai dit - je n'ai pas besoin de vous donner l'algorithme. On peut me donner le résultat de son travail, et je testerai le résultat. Et je vous dirai si vous pouvez tirer quelque chose d'un tel algorithme. S'agit-il d'une demande ou d'une pétition ? Il s'agissait d'une suggestion, dont l'objectif principal est de profiter à l'auteur de l'algorithme de reconnaissance. Si quelqu'un peut faire un bon recognizer, mais ne peut pas l'implémenter à profit (c'est difficile !), il devrait directement chercher à coopérer avec un autre développeur.
Vous pouvez télécharger un fichier avec les signaux de reconnaissance ici, dans ce fil de discussion, quelqu'un d'autre que moi va essayer d'utiliser ces signaux pour tester l'algorithme d'entrée et de sortie d'une transaction.
Mais je vois que vous négociez avec profit ? Cette offre ne s'adresse donc pas à vous :)
Je ne dis pas du tout qu'ils sont inutiles, mais dans mon cas, ils ne sont pas applicables.
L'approche de la reconnaissance des formes en chandelier n'implique pas la reconnaissance en tant que telle, mais une recherche de formes simples. On perd ainsi plus de 99 % des informations codées dans le motif.
Si l'on considère les choses sous cet angle, tout indicateur qui s'éloigne de la valeur formelle du prix perd son caractère informatif et commet une erreur. Par exemple, ce qui est perdu est la méthode de codage des chandeliers utilisée par Richie - K= (HL, LO/HL, LC/HL). La question est maintenant de savoir quelle méthode de sélection des motifs sur BP doit être utilisée.
Pourquoi je pose la question, j'ai déjà été confronté à cette question de nombreuses fois lors du traitement - comment formaliser un motif. Je vois deux méthodes, la première est le codage - lorsque nous formons des codes semblables à ceux de Richie ou Lihovidov. La deuxième méthode consiste à introduire des critères de délimitation, mais là encore, nous perdons un facteur important : le temps. Le nombre d'images pendant lesquelles la figure est formée doit également être pris en compte.
Le problème n'est pas de reconnaître les modèles (quel que soit le mot "modèle"). Le problème est de prétraiter les données pour les analyser. Le prétraitement est une priorité étonnamment faible dans ce forum. Mais toutes les informations doivent être présentées sous une forme adaptée à une analyse ultérieure.
Le bruit, les lacunes et les pics sont des obstacles typiques à une analyse adéquate (quelles que soient les méthodes utilisées). Permettez-moi de faire un parallèle avec un miroir. Le bruit est analogue à la rugosité de la surface d'un miroir, le reflet devient flou et maculé. Les écarts sont des fissures et des décalages de parties du miroir, comme s'il était cassé. Les éjections, ou barres anormalement grandes (il n'y a pas de barres anormalement petites) sont analogues à un miroir de travers. Et certaines parties du reflet ne sont pas déformées, tandis que d'autres sont déformées au point d'être méconnaissables.
Ces trois problèmes doivent être résolus séparément. Et ensuite nous pourrons parler de la reconnaissance des formes.
Essayez de prendre une photo du miroir défectueux (dont j'ai parlé) et d'appliquer une sorte de système de reconnaissance des formes à la photo. Vous ne vous reconnaîtrez peut-être pas dans le reflet, et encore moins dans le "fer à repasser".
PS Chacun des défauts du miroir porte des informations, mais pas sur la lumière originale qui a été réfléchie par le miroir, mais sur les causes des défauts (vacances et autres facteurs).
Il y a d'autres phénomènes qui soutiennent mon argument. Le cerveau humain possède des filtres "intégrés" pour les informations provenant des sens. Ainsi, les gens peuvent facilement se parler dans un endroit très bruyant, même si des centaines d'autres personnes parlent à proximité. La vision a la même propriété. Le cerveau est capable de se concentrer sur un seul élément d'image parmi les éléments bruyants - le captcha en est un exemple.
Est-ce la raison pour laquelle le trading manuel est difficile à formaliser ? Est-ce la raison pour laquelle les traders manuels accordent beaucoup d'attention à un seul instrument de trading et aiguisent les filtres de leur cerveau ?
Il me semble que le concept de modèle est mieux appliqué ici de manière généralisée, comme une section reconnaissable du graphique des prix. Il ne doit pas nécessairement s'agir d'une figure graphique. L'essentiel est qu'il soit reconnu de manière constante, sans omissions ni échecs si possible. Par conséquent, la méthode de reconnaissance peut être presque n'importe quoi. L'encodage est bon. Il peut y avoir plusieurs méthodes de codage. Graphiquement, c'est correct. D'un point de vue critériel, c'est ce que je comprends par les indicateurs - également bon. Par recherche de modèle - non. Il fonctionne de manière instable et rate la plupart d'entre eux. Il est vrai que la recherche de modèles peut être adaptative, mais je n'ai pas vu cela. Neuronet est bon, mais leur formation est une chose compliquée, tout le monde ne s'entraîne que pour le commerce. Je ne pense pas qu'il y ait eu de discussion ici sur l'utilisation des réseaux neuronaux uniquement pour la reconnaissance des formes. Quelles autres méthodes pouvez-vous imaginer ?
Il y a d'autres phénomènes qui soutiennent mon argument. Le cerveau humain possède des filtres "intégrés" pour les informations provenant des sens. Ainsi, les gens peuvent facilement se parler dans un endroit très bruyant, même s'il y a des centaines de personnes qui se parlent. La vision a la même propriété. Le cerveau est capable de se concentrer sur un seul élément d'image parmi des éléments bruyants ; le captcha en est un exemple.
N'est-ce pas la raison pour laquelle le trading manuel est difficile à formaliser ? Est-ce la raison pour laquelle les "traders manuels" accordent une grande attention à un seul instrument de trading tout en aiguisant les filtres de leur cerveau ?
Je ne suis pas d'accord :) Selon les travaux des lauréats du prix Nobel de médecine Torsten Nils Wiesel et David H. Hubel, qui ont mené des études sur le cortex visuel du chat, on a constaté qu'il existe des cellules dites simples, qui répondent particulièrement bien aux lignes droites à différents angles, et des cellules complexes, qui répondent au mouvement des lignes dans une seule direction, c'est-à-dire que le cerveau effectue la séparation des traits. C'est sur cette base qu'est développée toute la classe de SN appelée réseaux convolutifs, qui repose sur le mécanisme convolutif. Le plus intéressant, c'est que cette classe de NS présente certaines des meilleures performances en matière de reconnaissance d'images avec distorsion (il s'agit de la courbe du miroir et de la distorsion), comme le montrent très bien les travaux du Dr Jan LeCun. Mais vous ne pouvez pas appliquer les réseaux convolutionnels à BP forex :) les réseaux sont bons pour la reconnaissance de données déformées, mais mauvais pour la reconstruction d'images.
Il y a d'autres phénomènes qui soutiennent mon argument. Le cerveau humain possède des filtres "intégrés" pour les informations provenant des sens. Ainsi, les gens peuvent facilement se parler dans un endroit très bruyant, même si des centaines d'autres personnes parlent à proximité. La vision a la même propriété. Le cerveau est capable de se concentrer sur un seul élément d'image parmi les éléments bruyants - le captcha en est un exemple.