Discussione sull’articolo "Utilizzo di feature map auto-organizzanti (mappe Kohonen) su MetaTrader 5" - pagina 5
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Salve, cari membri del forum!
Articolo molto interessante! Anch'io sto cercando di utilizzare questo codice SOM.
Qualcuno può suggerirmi come facilitare il calcolo del risultato dell'area intorno al BMU (cerchiata in blu per chiarezza), tenendo conto della distanza dal BMU?
Intendevi dire che il codice viene eseguito molto più velocemente in Java? Si prega di allegare le fonti per il confronto, è interessante da vedere.
Qualcuno ha trovato una soluzione? Ho trovato questo articolo solo ora. Mi associo ai ringraziamenti. E alla domanda.
Il mio commento 5 anni dopo il mio ultimo commento.....
Perché non vedo la storia del training set e del control set? L'articolo cita l'analisi storica utilizzando una sorta di sistema di colori, ma nella frase "machine learning" la parola chiave è "training" e viene eseguita per fare trading su periodi futuri.
In breve, perché questa sofisticata analisi storica? Si esegue un'ottimizzazione e si vede quale periodo e quale turno sono testati meglio.
Perché non vedo la storia dell'insieme di formazione e dell'insieme di controllo? L'articolo fornisce un'analisi storica utilizzando una sorta di sistema a colori, ma nella frase "machine learning" la parola chiave è "training" e viene eseguita per operare su periodi futuri.
Ho posto una domanda simile nella discussione di questo articolo https://www.mql5.com/it/articles/5473.
Ho studiato il materiale su questo argomento, è molto probabile che le mappe di Kohonen svolgano semplicemente il compito di visualizzare dati multidimensionali e non siano destinate all'analisi dei dati stessi.
Ho posto una domanda analoga nella discussione di questo articolo https://www.mql5.com/it/articles/5473.
Ho studiato il materiale su questo argomento, molto probabilmente le mappe di Kohonen svolgono solo il compito di visualizzare i dati multidimensionali, e non sono destinate all'analisi dei dati in sé.
Leggete, mi sembra che voi due (tre?) non abbiate condiviso una caramella gustosa, e via di questo passo.
Penso che ogni pubblicazione abbia il diritto di esserlo, ma qui non c'è alcuna descrizione di ciò che una rete neurale fa nel senso usuale - prende una "nuova" decisione in una "nuova" situazione. C'è solo un'analisi storica. È una cosa che lascia perplessi.
Sto guardando Simon Haykin, ci sono buoni esempi. E alla fine ci sono i compiti, tra i compiti c'è la previsione, o quello che io chiamerei previsione. Scriverò un paio di frasi in più sull'argomento, se ci prenderò la mano.
Leggete, credo che voi due (tre?) non abbiate condiviso una caramella gustosa, e così via.
Non è stato così, ho deciso ancora una volta di tornare alle NS, e la scelta è caduta sulle mappe Kohonen, avendo cercato su Google il materiale (questo sito è molto ben indicizzato dai motori di ricerca), ho fatto conoscenza con tutti i materiali proposti dal motore di ricerca.
Mi sono interessato a questi tipi di NS circa 5 anni fa, senza una formazione teorica, ora la quantità di conoscenze sui NS è abbastanza decente, e studiare nuovamente il materiale sulle mappe di Kohonen mi ha fatto sorgere molte domande.
Ho fatto una domanda specifica... e poi, invece di cercare la verità, mi sono imbattuto nella difesa degli "interessi dell'autore", che per qualche motivo ripetono l'articolo di Wiki e non sono supportati da nient'altro, se non... beh, come hai detto tu, "continuava e continuava" - "sei uno stupido" - "vai a leggere"...
Guardo Simon Haykin, ci sono buoni esempi. E alla fine ci sono dei compiti, tra i compiti c'è la previsione, o quello che io chiamerei previsione. Se riesco a capirlo, scriverò un paio di frasi in più sull'essenza.
L'ho già letto, come primo libro su NS è il migliore, poi quanta letteratura ho letto - più della metà della nuova letteratura sarà una ristampa di Haykin.
E alla fine ci sono i compiti, tra i compiti c'è la previsione, beh, o quello che io chiamerei previsione. Se riesco a capirlo, scriverò un paio di frasi in più sull'essenza.
Sarei lieto di discuterne, sto cercando informazioni su questo argomento da molto tempo - le mappe di Kohonen non sono progettate per nulla, proprio nulla! - Sono solo belle visualizzazioni di dati multidimensionali.
L'idea di questo tipo di NS è piuttosto allettante, il principio è come quello di un decodificatore di componenti elettronici: inseriamo una combinazione di dati in ingresso e otteniamo un risultato pronto in uscita.
Le reti di Hamming testate , beh, sono quello che sto cercando, ma... per ora ho abbandonato le NS - ho iniziato a lavorare su soluzioni semplici, eccone alcune già pronte https://www.mql5.com/ru/forum/307970/page11#comment_12625353.
Citando S. Osovsky:
"Una rete auto-organizzante può essere utilizzata con successo anche per la previsione, ad esempio, dei carichi in un sistema elettrico. Questa sottosezione presenterà i dettagli della soluzione del problema della previsione dei carichi orari in un sistema elettrico su un intervallo di 24 ore".
Quindi è tutto a posto. Le previsioni descritte qui di seguito sono generalmente adatte per prevedere le azioni di acquisto, vendita o rifiuto nel forex.
Io guardo sempre alla radice, sapevo che nessuno l'avrebbe chiamata rete neurale se le carte Kohonen non fossero state in grado di prevedere.
Io guardo sempre alla radice, sapevo che nessuno l'avrebbe chiamata rete neurale se le mappe di Kohonen non fossero state in grado di prevedere.
non possono, l'addestramento serve a distribuire vettori di pesi NS su set di addestramento - il risultato è quello di raggruppare i dati, ma la risposta della rete stessa è assente ad altri dati - o meglio lo sarà, ma produrrà valori casuali.
a proposito della radice... il nome non è rete di Kohonen, ma è una sorta di Self Organising Maps (SOM).
UPD: Non vedo il motivo di continuare la discussione, la seconda volta la discussione si riduce a ciò che è scritto in Wiki, e ora a ciò che ha scritto un certo "Citando S. Osovsky". Sono d'accordo a rimanere nella prigionia del mio ragionamento, che non è supportato dalla frase "SOM Kohonen" può prevedere, e il contrario - non possono
Non sanno come fare, c'è un addestramento per distribuire vettori di pesi NS su set di addestramento - il risultato è quello di raggruppare i dati, ma la risposta della rete stessa è assente su altri dati - o meglio lo sarà, ma produrrà valori casuali.
riguardo alla radice... il nome non è rete Kohonen, ma Self Organising Maps (SOM).
UPD: Non vedo il motivo di continuare la discussione, la seconda volta la discussione si riduce a ciò che è scritto in Wiki, e ora a ciò che è scritto da qualcuno "Citando S. Osovsky". Sono d'accordo a rimanere nella prigionia del mio ragionamento, che non è supportato dalla frase "SOM Kohonen" può prevedere, e il contrario - non possono