Discussione sull’articolo "Reti neurali economiche - Collega NeuroPro con MetaTrader 5" - pagina 5

 
zaskok:

Per quanto riguarda l'articolo in sé, non NS in generale. Qual è l'inghippo? Il numero di coefficienti da applicare è paragonabile alla quantità di storia.

Prendiamo il numero di coefficienti pari alla quantità di storia. Credo che l'aggiustamento sarà perfetto. Non avrà un solo trade perdente e sfrutterà al massimo la storia.

Se affrontiamo la costruzione del NS come una selezione di un numero selvaggio di coefficienti, non abbiamo bisogno di una cosa così buona.

Le vostre argomentazioni sarebbero corrette se l'articolo si chiamasse "Creare il Graal". :)

Ma l'articolo non parla affatto di questo. Quindi la struttura della NS è pienamente adeguata allo scopo dell'articolo e permette di:

1) dimostrare chiaramente le fasi di creazione dell'EA (in particolare, la differenza tra l'accuratezza della rete non addestrata e quella addestrata è perfettamente percepibile - non ci sarebbe una differenza così evidente se ci fossero solo pochi neuroni nella rete);

2) dimostrare il lavoro con reti di grandi dimensioni. Tutte queste manipolazioni sulla sostituzione di massa del testo in Notepad sarebbero incomprensibilmente necessarie se ci fossero solo un paio di neuroni nell'esempio. E chissà quali dimensioni avranno le NS costruite dai lettori. Per ora ho insegnato loro tutto in anticipo.

 
Mi chiedo quale sia il periodo di tempo in cui l'attaccante non si riversa nel futuro. Se è un mese, va bene.
 
marker:
Mi chiedo quale sia il periodo di tempo in cui l'attaccante non si riversa nel futuro. Se è un mese, va bene.
Inizia a perdere subito.
 

La maggior parte dei trader non può e non sa come aprire correttamente un ordine Buy Stop ....

E alla vista di un tale articolo saranno semplicemente incontinenti ...

[Eliminato]  
ds2:

Le vostre argomentazioni sarebbero valide se l'articolo fosse intitolato "Creare il Graal". :)

Ma l'articolo non tratta affatto di questo. Quindi la struttura del NS è pienamente adeguata allo scopo dell'articolo e permette di:

1) dimostrare chiaramente le fasi di creazione dell'EA (in particolare, la differenza tra l'accuratezza della rete non addestrata e quella addestrata è perfettamente percepibile - non ci sarebbe una differenza così evidente se ci fossero solo pochi neuroni nella rete);

2) dimostrare il lavoro con reti di grandi dimensioni. Tutte queste manipolazioni sulla sostituzione di massa del testo in Notepad sarebbero incomprensibilmente necessarie se ci fossero solo un paio di neuroni nell'esempio. E chissà quali dimensioni avranno le NS costruite dai lettori. In ogni caso, ho insegnato loro tutto in anticipo.

Il suo articolo è molto utile per avere una visione finalmente sobria dei NS. La consapevolezza che la logica "moltiplica e aggiungi" è estremamente primitiva, quindi richiede molti più parametri di input per un adattamento accettabile rispetto ad approcci più significativi.

Certo, l'esperienza mondiale ha dimostrato che anche una logica così semplice può dare risultati notevoli nel riconoscimento di un numero finito di pattern - captchas, immagini e così via. Ma quando si deve operare con un numero infinito di pattern (serie temporali), si ottiene qualcosa di simile a quanto riportato nell'articolo.

Se l'obiettivo era quello di interessarsi ai NS applicati a compiti non legati alla BP, ma utilizzando comunque la BP come esempio, allora questo è un approccio un po' strano. Ma forse il vostro articolo è il più onesto sulla NS. Peccato che nessuno guardi il codice sorgente e capisca il punto. Le discussioni tra NS e NS per il gusto di soddisfare il bisogno interiore di discutere qualcosa sull'argomento NS sono ben dimostrate da alcuni commenti all'articolo.

 

Beh, alcune persone leggono il codice. Dal punto di vista dell'utilità dell'articolo per me personalmente, gli do il 100%.

Anche dal punto di vista dei NS "moderni", questo approccio ha ancora il diritto di esistere.

Se alcune persone non vedono le operazioni + e * nel codice, cosa dovrei dire loro...? L'articolo è rivolto agli sviluppatori, non ai trader (soprattutto a quelli che non conoscono i buy-stop).

Grazie all'autore. L'ho aggiunto ai miei preferiti, poiché tornerò spesso su questo materiale.

[Eliminato]  

Oh, mio, che passioni che....., neuroni, geni, mutazioni naturali, repliche artificiali, con una colonia di cromosomi)) è quanto è necessario sapere per capire che sono divorziati sui classici, e non si può semplificare?

Cosa controlla la rete neurale se le si insegna, il carattere della coppia? O mi sono perso qualcosa? Se è così, non vale la pena di spendere soldi e fatica per questo.

 
Ottimo articolo!
 

Ciao Andrew,

Grazie per l'articolo molto interessante...! E' bello vedere come collegare MT5 con le reti neurali.

Hai considerato di fare il tuo esempio di rete neurale per collegarlo a MT4...?

MT4 ha una base di utenti molto più ampia e questo incoraggerebbe più persone ad apprezzare ciò che il tuo ottimo articolo offre realmente.

Inoltre... ho provato a cercare NeuroPro per provarlo... ma è difficile da trovare e non sembra che ci sia molto supporto per esso?

Potreste invece considerare l'utilizzo di un programma gratuito per reti neurali chiamato Neuroph...

http://neuroph.sourceforge.net/

Neuroph è un programma più recente, supportato da Java, con un'interfaccia grafica facile da usare per costruire e testare le reti (senza bisogno di codificare nulla).

In realtà... Neuroph assomiglia molto agli esempi di NeuroPro che avete postato... quindi la conversione dovrebbe essere abbastanza facile.

Neruoph funziona anche con le versioni attuali e precedenti di Windows e dispone di versioni a 32 o 64 bit per il multi-core... quindi non ci sono problemi di compatibilità di cui ho letto.

In ogni caso... spero che tu prenda in considerazione l'idea di scrivere l'articolo su Neuroph/MT4... sarebbe di enorme aiuto...!

Nel frattempo... grazie per l'articolo molto informativo con molte possibilità di utilizzo delle reti neurali...!

Stammi bene,
Robert
Java Neural Network Framework Neuroph
  • neuroph.sourceforge.net
Neuroph is lightweight Java neural network framework to develop common neural network architectures. It contains well designed, open source Java library with small number of basic classes which correspond to basic NN concepts. Also has nice GUI neural network editor to quickly create Java neural network components. It has been released as open...
 
Ottimo articolo grazie Andrew.

E ottimo suggerimento su Neuroph grazie Robert, sembra MOLTO interessante!

Saluti
Stu