トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 411

新しいコメント
 
エリブラリウス

以下はRNNの実験です。

https://www.mql5.com/ru/blogs/post/697984


追伸
通常のニューラルネットワークは、XOR+ノイズの問題をよりよく解いたが、学習例に対する誤差はゼロではなかった。0.1%の誤差を誤差と考えるのはおかしいですが))そのため、不慣れなデータに対する通常のMLPの方が良い結果を出しています。

トレーニング時の平均誤差（75.0%） plot =0.001 (0.1%)
バリデーションでの平均誤差（25.0%） プロット =0.034 (3.4%)

トレーニングセクション

0.00000000, 0.00000000, 0.00000000, 0.00106781
0.00000000, 0.00000000, 1.00000000, 0.99912817
0.00000000, 1.00000000, 0.00000000, 0.99887599
0.00000000, 1.00000000, 1.00000000, 0.00146612
1.00000000, 0.00000000, 0.00000000, 0.00015709
1.00000000, 0.00000000, 1.00000000, 0.99958727

バリデーションです。
1.00000000, 1.00000000, 0.00000000, 1.00136207
1.00000000, 1.00000000, 1.00000000, 0.04871333

 
アレクサンドル・イワノフ

ずっと見ていた...結果を待っていた。

そして、あなたは賢くなって、何も達成できない。

NEURO-BOTを作ればいいんだよ。


あまり得るものはないでしょう。せいぜいアイデアを出し合って、それをみんなで実行に移す...。
 
ミハイル・マルキュカイツ

聞いてもあまりわからないと思います。せいぜい意見交換をして、それをみんなが座って実践していく...。


これが、その正体です。しかし、ここではワークショップのように働いてほしい。そうすれば、一緒にボットを作ることができる。

仮にドミトリエフスキーをチーフデザイナーに任命するとしよう、彼は高度な訓練を受けている）、諸君は彼の命令に従い、彼のブロック図を作成するのだ。

そうやって、ロシアで原爆を作ったんですよ、みんなで。

 
アレクサンドル・イワノフ


そういうことなんです。しかし、ここではチームとして働いてほしい。一緒にbotを作るために。

仮にドミトリエフスキーをチーフデザイナーに任命するとしよう、彼は高度な訓練を受けている）、諸君は彼の命令に従い、彼のブロック図を作成するのだ。

そうやって、ロシアで原爆を作ったんですよ、みんなで。


では、あなたの役割は何ですか？
 
アレクサンドル・イワノフ


質問、ニューロロボットはどうなっているのでしょうか？何か進展は？それとも、ここはいつもお利口さんで、実績はないのでしょうか。))

みんなでニューロボットの構造を取り上げるべき。そうすれば、もしかしたら結果が出るかもしれません。


このようなニューラルネットワークにはうんざりしている)

まだ何とも言えないが、少なくとも5年間は3ヶ月毎に20000%は無理、そんなスパンでは月々最大10-15%だ。

 
ミハイル・マルキュカイツ

では、あなたの役割は何ですか？


私の役割？- 需要なんです！))需要がなければ、すべての夢は崩壊する。需要とお金があれば、仕事はある。今のところ、DEMANDを提供しています ))

需要というのは大きなものです。それがなければ、市場も動きもない。

 
マキシム・ドミトリエフスキー


このニューラルネットにはうんざりだ)

少なくとも5年間は、3ヶ月ごとに20000％、最大で毎月10-15％というのは、まだ何とも言えません。


あ))もうロボットがあるんですね。そして、いつになったら「兄弟価格」で譲ってくれるのでしょうか？))
 
アレクサンドル・イワノフ


私の役割？- は需要です！))需要がなければ、すべての夢は崩壊する。需要があり、お金があるところでは、仕事が行われているのです。今のところ、需要を提供している)

需要というのは大きなものです。それがなければ、市場も動きもない。


よし、需要を形成するのであれば、お金で形成してしまえ。需要の大きさは？そして、サプライが登場する・・・。
 
エリブラリウス

追伸
従来のニューラルネットワークは、XOR+ノイズの問題をよりよく解決したが、学習例に対する誤差はゼロではなかった。0.1%の誤差を誤差と考えるのはおかしいですが))そのため、不慣れなデータに対する通常のMLPの方が良い結果を出しています。

トレーニング時の平均誤差（75.0%） plot =0.001 (0.1%)
バリデーションでの平均誤差（25.0%） プロット =0.034 (3.4%)

トレーニングセクション

0.00000000, 0.00000000, 0.00000000, 0.00106781
0.00000000, 0.00000000, 1.00000000, 0.99912817
0.00000000, 1.00000000, 0.00000000, 0.99887599
0.00000000, 1.00000000, 1.00000000, 0.00146612
1.00000000, 0.00000000, 0.00000000, 0.00015709
1.00000000, 0.00000000, 1.00000000, 0.99958727

バリデーションです。
1.00000000, 1.00000000, 0.00000000, 1.00136207
1.00000000, 1.00000000, 1.00000000, 0.04871333


これは興味深いことです...つまり、追加のテストを行う必要があるということで、もしかしたら、以前から考えられていたように、このRnnは全く意味がないのかもしれません。

唯一の利点は、オプティマイザの重みと他のシステムパラメータを同時に選択できることです

 
ミハイル・マルキュカイツ

なるほど、需要を喚起するのであれば、金額で喚起すればいいのですね。需要の大きさは？そうすれば、見えてくる、供給が見えてくる...。


少なくとも私だけが聞いているのです。金銭的＝まあ...。まだわかりません。

1...404405406407408409410411412413414415416417418...3399
新しいコメント
理由: