Discussione sull’articolo "Reti neurali: dalla teoria alla pratica" - pagina 8

 

Ottimo articolo!!!
Rimane aperta solo la questione di un esempio di un sistema di 2 o più neuroni.


Forse qualcuno ha un esempio semplice di un consulente a 2 o 3 neuroni?

 
sigma7i:

Ottimo articolo!!!
Rimane aperta solo la questione di un esempio di un sistema di 2 o più neuroni.


Forse qualcuno ha un esempio semplice di un consulente a 2 o 3 neuroni?

Avevo intenzione di scrivere un secondo articolo su questo tema, ma non ho ancora tempo.

Provate questo progetto

double out_net; //risultato della rete
double out[2];  //risultati del primo strato di neuroni

out[0]=CalculateNeuron(inputs0,weight0); //calcolo del primo neurone del primo strato
out[1]=CalculateNeuron(inputs1,weight1); //calcolo del secondo neurone nel primo strato
out_net=CalculateNeuron(out,weight2);    //calcolo del neurone di uscita della rete
Credo che l'idea sia chiara.
 
fyords:

Provate questo progetto.

Credo che l'idea sia chiara.

È molto chiaro, grazie!

Qui risulta che il numero di coefficienti di peso raddoppia per ogni neurone, ma è una questione di creatività :).

Aspetto l'articolo!

 
MetaQuotes:

Pubblicato il nuovo articolo Reti neurali: From Theory to Practice è stato pubblicato:

Autore: Дмитрий

Gentili Signori, grazie mille per l'articolo, è possibile cambiare le virgole (,) in punti flottanti?

733,562 658,29

733.562 658.29
 

Questo è un grande articolo ben fatto.

Ho però alcune domande...

Nell'esempio di 1 neurone, l'input è costituito dai valori degli ultimi 10 periodi dell'indicatore RSI. Pertanto, l'output di quel neurone sarà semplicemente una forma sofisticata di media ponderata per gli ultimi 10 valori dell'RSI, è questo il modo in cui si prevede di utilizzare i dati degli indicatori nella realtà?

Ad esempio, se volessi utilizzare 3 indicatori come input, vi aspettereste di implementare 3 neuroni nel modo descritto nel vostro articolo, con un collegamento a cascata a un neurone di secondo livello, o utilizzereste semplicemente l'ultimo valore di ciascuno dei 3 indicatori come input in un singolo neurone?

La mia altra domanda è: in una rete a più livelli, è ancora necessario normalizzare i dati del primo livello per inserirli nel secondo, dato che saranno comunque nell'intervallo -1,1 o 0,1?

Grazie mille

 

Qualcuno ha provato a emulare i risultati?

Tutti i miei tentativi hanno portato a un bilanciamento verso il basso nei risultati di Forward.

Inoltre, il numero di tick elaborati non corrisponde: è quasi la metà di quello indicato nell'immagine.

Una cosa che ha attirato la mia attenzione: il numero di ticks 17331 del periodo tra il 2012.01.02 e il 2012.09.14 corrisponde esattamente se disabilito l'opzione Forward. Hummm ...

 

Ottimo articolo che facilita la comprensione del concetto di base delle reti neurali. Mi ha aiutato molto. Grazie!

[Eliminato]  

Grazie.
Un esempio interessante, che utilizza il concetto. https://www.mql5.com/it/code/1649

Bollinger Band Width calculation with Neural Network using
Bollinger Band Width calculation with Neural Network using
  • voti: 14
  • 2013.04.16
  • surubabs
  • www.mql5.com
This Expert Advisor works with Neural Network method
 
MetaQuotes:

Pubblicato il nuovo articolo Reti neurali: From Theory to Practice è stato pubblicato:

Autore: Дмитрий

Il miglior esempio alla base dell'articolo è https://www.mql5.com/it/code/1649,

La maggior parte dei trader che utilizzano le bande di Bolinger sono alla ricerca di EA basati sull'ampiezza delle bande di Bollinger,

L'EA che ho postato fornisce l'ampiezza delle bande di Bollinger, non utilizza alcun indicatore iCustom, tutto il calcolo è stato fatto sulla base dell'indicatore delle bande di Bollinger,

Con l'uso del metodo Neural Network, si può vedere che la larghezza EA trading, quando il suo break out.

Realy interessante è guardare da soli.

Bollinger Band Width calculation with Neural Network using
Bollinger Band Width calculation with Neural Network using
  • voti: 14
  • 2013.04.16
  • surubabs
  • www.mql5.com
This Expert Advisor works with Neural Network method
 

Ottimo articolo. Tuttavia, questo metodo porta a un risultato, l'adattamento della curva. Alla fine, i test dal vivo su un conto reale possono essere una delusione. Le informazioni fornite in questo articolo sono preziose per coloro che vogliono capire come iniziare a lavorare con l'IA, ma devono trovare un modo migliore di implementazione per evitare i metodi di adattamento alle curve. Qualsiasi sistema di trading deve essere in grado di utilizzare alcuni parametri dinamici che riflettano le mutevoli condizioni del mercato. Altrimenti, l'EA sarà obsoleto in pochissimo tempo e il vostro conto andrà a zero. Pertanto, gli input devono essere progettati con molta attenzione. L'importante è progettare gli input e sapere come sarà l'output. L'IA non significa che si possa dare un input qualsiasi e ottenere un ottimo output. Gli sviluppatori di IA hanno una parola molto comune: "GARBAGE IN, GARBAGE OUT".