Que mettre à l'entrée du réseau neuronal ? Vos idées... - page 35
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
Il n'est pas réaliste d'utiliser une année ou plus de NS sans recyclage.
Si le réseau peut fonctionner pendant une semaine ou deux sans recyclage (un mois au maximum), c'est un excellent résultat.
Bien que certains pipsariens entraînent à nouveau le réseau toutes les 24 heures.
C'est pour cela que je l'ai posté, nugget. Le réseau le plus simple a duré un an et quelques.
Il n'est pas réaliste d'utiliser une année ou plus de NS sans recyclage.
Si le réseau peut fonctionner pendant une semaine ou deux sans recyclage (un mois au maximum), c'est un excellent résultat.
Bien que certains pipsariens recyclent le réseau toutes les 24 heures, il est possible de le recycler toutes les heures.
J'en ai déjà marre de ces neurones. Je vais faire part de mes réactions curieuses et les oublier pour l'instant. En général, dans le cadre du processus d'exploration artistique et de réalisation de ma créativité, j'ai essayé ce qui suit :
1) Poids dynamique : le poids change en fonction de la plage dans laquelle se trouve le nombre d'entrée de -1 à 1. Optimisation : les limites de la plage et les poids eux-mêmes. Résultat : avec de petites architectures, il semble plus stable qu'un MLP normal. 2) Poids dynamique en fonction du modèle des données d'entrée.
Optimisation : poids, dont le nombre dépend du nombre de données d'entrée, et plages, sur la base desquelles (plus/moins) vous pouvez créer des relations (modèle). Résultat : il semble également plus stable que le MLP habituel. Qu'est-ce que cela signifie que je suis stable ?
- Une perception absolument subjective des résultats obtenus lors de l'optimisation des ensembles, qui ressemblent moins à un désordre aléatoire, et plus à des zones sur l'avant, où il y a eu une croissance uniforme. Puis une idée est apparue : l' idée est qu'en donnant une séquence temporelle stricte de données comme entrée, lorsque l'on déplace la fenêtre d'un pas, les poids MLP "ruinent l'image", en donnant un résultat complètement différent, parce que les données d'entrée et les poids eux-mêmes à la nouvelle étape sont très différents. Bien que, semble-t-il, le modèle d'entrée soit le même ! Une seule nouvelle entrée a été ajoutée et la plus ancienne a été supprimée.
M ais lors de la multiplication par MLP, l'information sur le modèle se déplaçant dans le passé est simplement effacée. J'ai décidé d'essayer ce schéma .
3) Tambour d'échelle.
Lorsque l'on déplace la fenêtre d'entrée vers la gauche, les poids sont décalés en conséquence derrière eux, et sur une nouvelle entrée (fraîche), on multiplie soit par le dernier poids de l'étape précédente, en déplaçant la fenêtre de poids parallèlement aux entrées, soit par un nouveau poids, si l'on veut créer un tambour de poids supplémentaires. Mes courbes sont lues de droite à gauche (je ne sais pas pourquoi je les dessine de cette façon, bien sûr).
Ensuite, j'ai vissé la méthode des points 1 et 2. Optimisation : tout ce qui précède. Résultat : sans surprise. La dernière méthode m'est venue à l'esprit lorsque j'ai longuement regardé l'image explicative du réseau convolutif CNN. Il y avait une sorte d'incomplétude ou d'inachèvement.
Il faudrait sans doute que je regarde à nouveau CNN. INPUTS : 1) J'ai trouvé le plus stable en utilisant l'indicateur ZigZag. Pour entrer : le rapport entre la taille de la dernière "jambe" du zigzag et la taille de ses autres jambes. 2) Price hike (hausse des prix).
C'est-à-dire, en fonction de la couleur de la bougie, alimenter le rapport de sa première ombre, de sa deuxième ombre et de son corps à sa taille. 3) Le rapport de l'incrément Close1-Close2 à la taille de la bougie1. Les résultats ont apprécié le fait qu'il y avait peu d'"émissions" d'actions, son bavardage dégoûtant, ou en termes simples - le sur-assis.
Ce phénomène est lié à la moyenne des résultats lors de la multiplication des poids MLP, lorsque la balance croît en douceur, mais que l'équité tremble comme un diable. 4) Le ratio deClose1 sur les fractales à la hausse et à la baisse sur h1/h4/d1.
T out le reste (j'ai peut-être oublié quelque chose) - plus aléatoire sur la période forward et taught, sale, laid, non lisse, abrupt, dégoûtant. Mais je n'ai pas parlé des patterns sur l'entrée à partir de la taille de la tendance.
Je n'ai pas encore pu le tester normalement, mais les zigzags et les fractales, en tant que variante, peuvent donner le même résultat, en principe.
J'ai la même association de diagramme structurel de réseau neuronal - un filtre numérique
mais ce n'est pas clair pour moi
pourquoi dans tous les programmes de réseaux neuronaux dont j'ai lu les codes, le coefficient est de 1,0 ?
Idéalement, si chaque neurone est un peu un filtre numérique, alors les coefficients ne devraient pas être égaux à 1,0.
Les coefficients sont donc les prédicteurs et c'est ce qu'il faut sélectionner et introduire à l'entrée du réseau neuronal.
Étant donné que les coefficients peuvent être simplement calculés à l'aide d'une formule, pourquoi se donner la peine de créer un réseau neuronal?Ivan Butko #:
...
3) Tambour de poids.
Lorsque l'on déplace la fenêtre d'entrée vers la gauche, les poids sont décalés en conséquence derrière eux, et lors d'une nouvelle entrée, on multiplie soit par le dernier poids de l'étape précédente, en déplaçant la fenêtre de poids parallèlement aux entrées, soit par un nouveau poids, si l'on veut créer un tambour de poids supplémentaires. Mes courbes se lisent de droite à gauche (je ne sais pas pourquoi je les dessine ainsi, bien sûr).
... INPUTS : 1) J'ai trouvé le plus stable en utilisant l'indicateur ZigZag. Input : le rapport entre la taille de la dernière "jambe" du zigzag et la taille de ses autres jambes. ...
Je l'ai exécuté dans cette implémentation, j'ai choisi l'ensemble supérieur, qui a 600 transactions (toutes au-dessus de - 200 quelque chose), et l'ensemble supérieur avec 200~. Je n'ai pas pu faire mieux.
R enat Akhtyamov #:
J'ai la même association de schéma structurel de réseau neuronal - un filtre numérique.
mais ce n'est pas clair pour moi
pourquoi dans tous les programmes de réseaux neuronaux dont j'ai lu les codes, le coefficient est de 1,0 ?
Idéalement, si chaque neurone est un peu un filtre numérique, les coefficients ne devraient pas être égaux à 1,0.
Les coefficients sont donc les prédicteurs et c'est ce qu'il faut sélectionner et introduire à l'entrée du réseau neuronal.
Étant donné que les coefficients peuvent être simplement calculés à l'aide d'une formule, pourquoi se donner la peine de créer un réseau neuronal?Plus simplement, pour les budgétaires, je ne comprends pas ce qu'est le coefficient....
Je l'ai exécuté dans cette implémentation, j'ai choisi l'ensemble supérieur, qui a 600 échanges au départ (tous les échanges supérieurs sont à 200 quelque chose), et l'ensemble supérieur avec 200~. C'est à peu près comme ça que ça fonctionne. Je n'ai pas pu faire mieux.
Plus simplement, pour les budgétivores, je ne comprends pas quel est le coefficient.....
récemment mis en ligne, a trouvé une fois les réponses à presque toutes les questions :
Littérature sur les disciplines enseignées (digteh.ru)
la structure d'un des filtres
Qu'est-ce qui n'est pas de la neuronique ?
publié il y a quelque temps, a permis de trouver les réponses à presque toutes les questions :
Littérature sur les disciplines enseignées (digteh.ru)
structure d'un des filtres
qu'est-ce qui n'est pas de la neuronique ?
Bon sang de bonsoir.
Si c'est bon pour le commerce, merci pour le post.
Bon sang de bonsoir.
Si c'est bon pour le commerce, merci pour le message.
Et en voici un autre.
C'est pratiquement une réplique des neurones que tout le monde fait ici.
publié il y a quelque temps, a permis de trouver les réponses à presque toutes les questions :
Littérature sur les disciplines enseignées (digteh.ru)
structure d'un des filtres
qu'est-ce qui n'est pas de la neuronique ?
Il s'agit d'un filtre BIR, ils sont plus difficiles à mettre en œuvre et les déphasages sont non linéaires.
R enat Akhtyamov #:
et en voici un autre
presque une copie des neuroniques que tout le monde fait ici
Il s'agit déjà d'un filtre FIR, facile à calculer dans Matlab et très facile à mettre en œuvre dans un logiciel. Et si la carte supporte OpenCL, un tel filtre peut être très bien parallélisé. Mais avec OpenCL, il ne passera pas sur le marché, c'est purement pour vous ou pour vendre indépendamment. Et vous pouvez facilement calculer des filtres gratuitement dans la version en ligne de Matlab, qui vous offre 20 heures par mois gratuitement. Le plus drôle, c'est que malgré les sanctions, je vais en Russie sans VPN et mon enregistrement est @yandex.ru )). Cherchez l'onglet Apps dans la barre supérieure et il y a une section sur les filtres en bas. Dans Filter Design, vous pouvez calculer les coefficients. Et dans la version de bureau, il y a Filter Builder, où vous pouvez importer le filtre calculé en tant que fonction et en général, les possibilités sont plus nombreuses qu'en ligne. Par ailleurs, il est très facile de convertir les fonctions Matlab en DLL Matlab qui peuvent être appelées directement à partir de MQL5. Matlab dispose d'outils intégrés à cet effet. L'inconvénient est que pour que ces DLL fonctionnent, il faut installer le run-time distribué gratuitement par Mathworks, ce qui représentait plus d'un demi-giga, et qui est probablement encore plus important aujourd'hui.
Oui, merci pour le lien avec la littérature, beaucoup de matériel intéressant.
Il s'agit d'un filtre BIR, plus difficile à mettre en œuvre et dont les déphasages sont non linéaires.
Et il s'agit déjà d'un filtre FIR, facile à calculer dans Matlab et très facile à mettre en œuvre dans un logiciel. Et si la carte supporte OpenCL, un tel filtre peut très bien être mis en parallèle. Mais avec OpenCL, on ne passera pas sur le marché, c'est purement pour soi ou pour vendre indépendamment. Et vous pouvez facilement et gratuitement calculer des filtres dans la version en ligne de Matlab, qui vous donne 20 heures par mois gratuitement. Le plus drôle, c'est que malgré les sanctions, je vais en Russie sans VPN et mon enregistrement est @yandex.ru )). Cherchez l'onglet Apps dans la barre supérieure et il y a une section sur les filtres en bas. Dans Filter Design, vous pouvez calculer les coefficients. Et dans la version de bureau, il y a Filter Builder, où vous pouvez importer le filtre calculé en tant que fonction et en général, les possibilités sont plus nombreuses qu'en ligne. Par ailleurs, il est très facile de convertir les fonctions Matlab en DLL Matlab qui peuvent être appelées directement à partir de MQL5. Matlab dispose d'outils intégrés à cet effet. L'inconvénient est que pour que ces DLL fonctionnent, vous devez installer le run-time distribué gratuitement par Mathworks, ce qui représentait plus d'un demi-giga, et qui est probablement encore plus important aujourd'hui.
Oui, merci pour le lien avec la littérature, beaucoup de matériel intéressant.
Quelque part sur le forum, il y a eu un EA sur Mashka, qui a fait le chat GPT.
La chose la plus intéressante est que le code analyse le MA à la fois dans le sens de l'augmentation du nombre de barres et dans le sens de la diminution.
Bien sûr, je n'ai pas essayé d'appliquer cela en pratique à cause des fiasco répétés lors de l'utilisation d'indicateurs, mais je pense qu'il y a quelque chose à en tirer.
---
TC a posé une question sur le trading sur MN1.
Je pense que l'idée d'un tel trading, en raison du décalage décent des indicateurs, reviendra finalement à analyser la situation économique, et non le graphique.