Neuro-prévision des séries financières (basé sur un article) - page 10

 
Reshetov:

Je me moque des articles ou de leurs auteurs à l'esprit étroit. Surtout si la recherche a été effectuée sur des données stationnaires ou stables.

Je fonde mes recherches sur les résultats de tests prospectifs, et non sur ce qu'un idiot a inventé dans un article.

Chacun a droit à son point de vue personnel sans cracher sur celui des autres.

Chacun a le droit de soutenir que le soleil tourne autour de la terre, mais n'a pas le droit de considérer les dissidents comme des malacholiques ou des idiots.

Il faut en tenir compte.

 
mersi:

donc la plupart se penchent vers des filets avec 2 ou 3 couches cachées.

Un plus grand nombre de couches cachées est choisi en raison d'une meilleure convergence. Un réseau non linéaire généralisé converge encore mieux.
 
mersi:

Tous les chercheurs en réseaux neuronaux ne sont pas d'accord avec cette affirmation.

Presque tous les articles sur les réseaux indiquent que plus le réseau est performant, plus il possède de neurones, mais qu'il ne doit pas en avoir trop.

C'est pourquoi la plupart des réseaux ont tendance à comporter deux ou trois couches cachées.

Je n'y crois pas. Presque toutes les tâches que les réseaux neuronaux résolvent le sont sur une seule couche cachée.
 
alexeymosc:
Je n'y crois pas. Presque tous les problèmes résolus par les réseaux neuronaux le sont sur une seule couche cachée.

Non, c'est vrai, voir ci-dessus. Un réseau avec une seule couche cachée résoudra également le problème, mais il est parfois plus facile d'ajouter une couche que de modifier la taille d'une seule couche.

Ou vice versa. Commencez par un maillage généralisé, et en cas de succès, simplifiez le modèle.

 
mersi:

il faut y réfléchir.

Sinon, vous pouvez le prendre et le tester. Chargez la première couche (couche d'entrée) de la grille, c'est-à-dire mettez Signum au lieu d'hypertangente, entraînez-la et vérifiez les performances en avant. Les autres couches peuvent être laissées telles quelles.
 
TheXpert:
Non, c'est vrai, voir ci-dessus. Un réseau avec une seule couche cachée permettrait également de résoudre le problème, mais il est plus facile d'ajouter une couche que de modifier la taille d'une seule couche.

OK, je vois. Je le vérifierais. Sur des données artificielles et stationnaires, mes tests ont montré que c'est une situation réaliste lorsqu'il n'y a pas assez de neurones dans la couche cachée, nous pouvons en augmenter le nombre pour obtenir un meilleur résultat sur l'échantillon de test (validation, comme on dit dans la réalité russe). Mais il existe aussi une situation réelle où le fait d'augmenter encore le nombre de neurones ne produit pas un meilleur résultat. Et je n'ai jamais pris la peine de mettre des couches.

Dans tous les cas, je préfère réduire la taille du modèle, suivant le principe du rasoir d'Occam.

 
Reshetov:

Je ne me soucie pas non plus des droits de l'homme. Seuls les résultats des tests avancés ont leur mot à dire à mon avis, même s'ils sont antidémocratiques, anticonstitutionnels, oppressifs et ne correspondent pas aux publications de crétins diplômés et récompensés par l'inventeur de la dynamite.

La raison en est simple : les résultats des tests avant sont plus proches de la vérité. Tout le reste est plus proche de la désinformation.

Trolling

Je ne tolère pas l'impolitesse.

 
Reshetov:

Il s'avère que si vous optimisez par le tirage minimal dans la devise de dépôt et que vous choisissez ensuite ce tirage minimal parmi les résultats de l'optimisation, les deux avances sont réussies. Si le drawdown minimum est le même pour plusieurs résultats d'optimisation, vous devez choisir celui qui aura l'équilibre maximal.

Je suis d'accord, c'est possible. Mais que se passe-t-il si nous optimisons non pas l'erreur minimale, mais, disons, la maximisation d'un ou plusieurs attributs particuliers des données d'entrée. Disons qu'il y a une condition de croisement de MA.

Il faut créer une fonction d'optimisation qui contient le plus grand nombre possible d'attributs utiles des données d'entrée ainsi que l'équilibre. Nous allons donc faire en sorte que le réseau aille dans le sens de la recherche du maximum de signes qui conduisent à l'augmentation du solde. D'une part, cette fonction doit avoir un solde comme objectif + n (nombre de franchissements corrects de MA qui conduisent à un profit) qui doit essayer d'être aussi grand que possible.......

Même si nous n'obtenons pas l'équilibre maximal pour la période d'optimisation, nous obtiendrons le nombre maximal de signes dans l'entrée, ce qui a conduit à un équilibre faible, mais toujours croissant. Et ensuite, cette méthode devrait être testée sur forwards..... comment cela fonctionnera-t-il ? ....

C'est-à-dire l'optimisation par deux paramètres. Augmentez l'équilibre, et augmentez le nombre de passages de l'AMM.

Des suggestions à ce sujet, ou des critiques ????.

 
nikelodeon:

Je suis d'accord, c'est possible, mais si nous optimisons non pas pour une erreur minimale, mais pour la maximisation d'une caractéristique particulière ou d'un ensemble de caractéristiques dans les données d'entrée. Disons qu'il y a une condition de croisement de MA.

Il faut créer une fonction d'optimisation qui contient le plus grand nombre possible d'attributs utiles des données d'entrée ainsi que l'équilibre. Nous allons donc faire en sorte que le réseau aille dans le sens de la recherche du maximum de signes qui conduisent à l'augmentation du solde. D'une part, cette fonction doit avoir un solde comme objectif + n (nombre de franchissements corrects de MA qui conduisent à un profit) qui doit essayer d'être aussi grand que possible.......

Même si nous n'obtenons pas l'équilibre maximal pour la période d'optimisation, nous obtiendrons le nombre maximal de signes dans l'entrée, ce qui a conduit à un équilibre faible, mais toujours croissant. Et ensuite, cette méthode devrait être testée sur forwards..... comment cela fonctionnera-t-il ? ....

C'est-à-dire l'optimisation par deux paramètres. Augmentez l'équilibre, et augmentez le nombre de passages de l'AMM.

Des suggestions à ce sujet, ou des critiques ????.



Ha !!!!! ici nous l'obtenons. Si nous ne pouvons pas former le filet avec cette approche (parce qu'il n'y a pas assez d'informations utiles dans MA), ce sera un signe d'inutilité d'entrer. Mais il me semble qu'il y a quelque chose ici....... Je dois le vérifier. Au fait, conseillez ici une telle chose.

Si j'ai un paramètre qui est calculé dans un indicateur. Si je veux faire une optimisation de tous les paramètres de l'indicateur et que la variable a atteint 0 sur la région sélectionnée.

Je veux dire dans MT4 comment optimiser le paramètre, qui est calculé et non défini ????.

 

Non... Il ne s'agit pas de MA, mais de maximisation des signes, c'est-à-dire qu'une partie de l'optimiseur va essayer de faire en sorte que ces intersections soient aussi nombreuses que possible, et l'autre partie va essayer d'équilibrer autant que possible......

C'est-à-dire que nous avons besoin d'une sorte de fonction d'optimisation pour arriver à ......

Raison: