Discussione sull’articolo "Reti neurali: dalla teoria alla pratica" - pagina 9

Nuovo commento
 

Si prega di spiegare:

Supponiamo che io abbia addestrato il perceptron1 con un campione di prova del file1. Ha imparato a prevedere lo stesso file1 in modo corretto al 100%.

Poi ho testato questo perceptron1 su nuovi dati (file2). Li ha previsti correttamente al 95%.

Come possoallenare il perceptron1?

Opzione 1:
incollo file1 e file2 = file12. Alleno il perceptron2 da zero dandogli in pasto il file12 + le risposte corrette.

Opzione 2: correggo manualmente le rispostecorrette del file1:

Correggo manualmente le risposte corrette nel file2 e rialleno il perceptron1.

L'opzione 1 si spiega da sola. Si tratta semplicemente di addestrare un nuovo perceptron da zero.

Ma come implementare l'opzione 2? È fattibile?

=========

Attualmente sto sperimentando in Jupyter in Python con la libreria scikit-learn. Il perceptron non ha un metodo per addestrarlo con nuovi dati....

http://scikit-learn.org/dev/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier

sklearn.neural_network.MLPClassifier — scikit-learn 0.18.dev0 documentation
  • scikit-learn.org
class hidden_layer_sizes=(100, ), activation='relu', algorithm='adam', alpha=0.0001, batch_size='auto', learning_rate='constant', learning_rate_init=0.001, power_t=0.5, max_iter=200, shuffle=True, random_state=None, tol=0.0001, verbose=False, warm_start=False, momentum=0.9, nesterovs_momentum=True, early_stopping=False, validation_fraction=0.1...
 

L'articolo è super, probabilmente l'unico con una presentazione più o meno dettagliata e comprensibile,

Vorrei chiedere all'autore di correggere l'immagine, dopo tutto, in questo esempio non consideriamo una rete, ma un perceptron,

e stiamo aspettando un esempio di rete neurale, per esempio: 2 neuroni in ingresso, 3 nello strato nascosto, 1 in uscita.

grazie mille per l'articolo!

File:
pyb.jpg  1958 kb
 
Ottimo articolo, questa settimana studierò per cercare di implementare quanto definito nell'articolo.
Ma ho una domanda: come posso implementare altri neuroni?

Osb: Sono ancora un principiante nella programmazione.


Ho alcune domande di base e alcune verranno fuori durante lo sviluppo che cercherò di fare. Posso consultarvi?

 
Sono nuovo nella programmazione, non so quasi nulla, ma sto studiando e adattando il vostro EA per diversi test. Questo compito è molto interessante.
Ora sto pensando a un sistema di auto-ottimizzazione e ho trovato un articolo interessante al riguardo. Sarebbe possibile implementare una struttura del vostro EA. Al momento non sono in grado di farlo.

Sarebbe interessato a sviluppare questo lavoro?

https://www.mql5.com/it/articles/2279

Rede neural: Expert Advisor auto-otimizável
Rede neural: Expert Advisor auto-otimizável
  • 2016.10.17
  • Jose Miguel Soriano
  • www.mql5.com
Será que é possível criar um Expert Advisor que, de acordo com os comandos do código, otimize os critérios de abertura e fechamento das posições automaticamente e em intervalos regulares? O que acontecerá se nós implementarmos no EA uma rede neural (um perceptron multi-camada) que, sendo módulo, analise o histórico e avalie a estratégia? É possível dar ao código um comando para uma otimização mensal (semanal, diária ou por hora) de rede neural com um processo subsequente. Assim, é possível criar um Expert Advisor que se auto-otimize.
 

Modificare la ripidità della funzione di attivazione non è assolutamente necessario!

Si veda la formula:

for(int n=0; n<10; n++) 
  {
   NET+=Xn*Wn;
  }
NET*=0.4;

Durante l'addestramento, la rete deve raccogliere i moltiplicatori Wn. Se per la rete è più vantaggioso avere un totale di *0,4, selezionerà semplicemente tutti i pesi di Wn, ciascuno dei quali sarà già *0,4. In altre parole, si mette tra parentesi il moltiplicatore comune, che sarà determinato dall'errore minimo.

In questa implementazione, è possibile ridurre semplicemente il passaggio per la selezione dei pesi. Nelle reti neurali più serie, i coefficienti necessari saranno trovati da soli.

 

La normalizzazione viene eseguita in modo errato, e quindi un coefficiente di 0,4 per qualche motivo....

Supponiamo che ci sia una serie di valori: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10

I valori di questa serie dovrebbero essere ridotti alla sequenza [0,1]. A rigor di logica, questa sarebbe la serie: 0, 0,1, 0,2, 0,3, 0,4, 0,5, 0,6, 0,7, 0,8, 0,9, 1.

Tuttavia, la vostra metodologia produce solo numeri casuali. Supponiamo di ottenere dall'indicatore i valori: 6, 7, 8, 9, 10. Semplificando la vostra formula:

Otteniamo:

6 >> 0

7 >> 0.25

8 >> 0.5

9 >> 0.75

10 >> 1

In questa serie, normalizzata secondo le istruzioni del vostro articolo, solo l'ultimo valore è vero.

Se avete seguito un corso di algebra lineare e sapete distinguere il coseno dalla tangente, è incomprensibile come possiate sbagliare un compito così semplice. I risultati del vostro lavoro sono puramente casuali!!!

Ma ammetto di aver usato proprio questa pubblicazione come punto di partenza. L'ho stampata, l'ho riletta con attenzione, ho preso appunti con la penna. Poi sono andato alla Casa del Libro e ho comprato"Neural Networks for Information Processing" di Osovsky. L'ho letto, sono diventato molto intelligente, ed eccomi qui a scrivere....

 
Grazie per questa introduzione facilmente comprensibile all'IA per il trading su MT5. Quindi i "pesi" vengono trovati tramite l'ottimizzazione, ciò che Cagatay chiamava "curve-fitting". In realtà le reti neurali (i loro pesi) vengono "addestrate" inserendo quantità massicce di dati di formazione etichettati dall'uomo ed etichettando anche il risultato come giusto o sbagliato. Esiste un modo efficiente per farlo in MT5?
 
Voglio sapere come utilizzare e acquistare questo robot intelligente il mio segnale micro è 13552272531 per favore insegnante aggiungere me, voglio fare qualcosa.
 

Perché ottengo solo 365 dollari di profitto durante il backtesting?

 
Bel post, Nei tuoi codici, hai menzionato Trade\Trade.mqh e Trade\PositionInfo.mqh, puoi fornire il link per il download di questi due? Grazie mille!
1234567891011
Nuovo commento