ニューラルネットワークのアドバイザー、経験を共有する。 - ページ 8 12345678910 新しいコメント TheXpert 2015.09.15 09:00 #71 Sergey Chalyshev: では見せてください、とても興味深いです。好ましくは、ニューロン数、入力数、学習例数などの詳細を記載すること。 以前は支店がありました Нейроторговцы, не проходите мимо :) нужен совет - MQL4 форум www.mql5.com Нейроторговцы, не проходите мимо :) нужен совет - MQL4 форум Maxim Dmitrievsky 2015.09.15 11:08 #72 Evgeniy Sergeev:そうすると、カオスになりますね。次のバーを予測するのではなく、ネットワークエラーの数を数えるなど、別の方向から問題を解決しようとしたことはありますか？つまり、グリッドは最近の履歴の中に何らかの規則性（トレンド）を見つけ、その規則性が現在のバー上にまだ存在するかどうかをチェックする。規則性が働かなくなった（ネットのエラーが多くなった）のであれば、トレンドが変わったのでしょう。そして、それゆえ、市場へのエントリー ポイントを探すことができるのです。 だから、間違いを探すには、やはりまず何かを教えるべきでしょう。だから、再トレーニングに時間がかからないように（オープンClがないと時間がかかる）、少量のサンプルをとって、こまめに再トレーニングしています。 Alexey Burnakov 2015.09.15 13:03 #73 Evgeniy Sergeev:そうすると、カオスになりますね。 カオスなのは、すべて予測可能なことです。決定論的なカオスは、小さな地平線の上でよく予測される。 Vladimir Tkach 2015.09.15 17:03 #74 Sergey Chalyshev: では、見せてください、とても面白いです。好ましくは、ニューロン数、入力数、学習例数などの詳細を記載すること。Combinatorのために答えます。これがそのカーブです。ニューロン数 - 任意。入力数 - 任意トレーニングサンプルの量 - 任意そして、それ以外のものは、どんな量でも。 Vladimir Karputov 2015.09.15 17:06 #75 Vladimir Tkach:Combinatorのために答えます。これがそのカーブです。ニューロン数 - 任意。入力数 - 任意学習例の数は問わない。そして、それ以外のものは、どんな量でも。 画像挿入の極意：フォーラム：画像の挿入方法について Maxim Dmitrievsky 2015.09.16 00:15 #76 Sergey Chalyshev: ダミーのみ。ニューラルネットワークが学習期間中に何を示すのか、どなたか示していただけませんか？同じことを学んでいる2人のNSの束が、異なるtfにある。入力12、隠れ層10ニューロン、それぞれ1出力。50小節の履歴で学習するため、テスト中に再学習することはない。しかし、私はまだ勉強中で、これは中級のバリアントです。サンプル外、トレーニングサンプル外でのテスト。 Aleksey Vyazmikin 2015.09.16 06:29 #77 Maxim Dmitrievsky:同じことを学んでいる2人のNSの束が、異なるtfにある。入力12、隠れ層10ニューロン、それぞれ1出力。50小節の履歴で学習するため、テスト中に再学習することはない。しかし、私はまだ勉強中で、これは中級のバリアントです。テストアウトオブサンプル、トレーニングサンプルの外。 なぜ巻数が違うのか？ Maxim Dmitrievsky 2015.09.17 13:00 #78 -Aleks-: なぜ巻数が違うのか？ 底辺？ボリュームではなく、フリーマージンのレベルです。 Aleksey Vyazmikin 2015.09.17 15:13 #79 Maxim Dmitrievsky: 底辺？ボリュームではなく、フリーマージンのレベルです。 なるほど、すみません、MT4かと思いました。 Andrey Emelyanov 2015.09.22 01:00 #80 Maxim Dmitrievsky:フォーラムには、既成のソリューションや、市場での取引にニューラルネットワークが有効であるという情報はほとんどない。ここで議論し、経験を共有することをお勧めします。すでに議論されているスレッドがある場合は、そちらにリンクを張ってください。私はここにある クラス、シンプルなマルチレイヤーPerspectronを使用しています。クラスが正しくカウントされることを願っています。私は著者の経験を頼りにしています。実験開始、面白いです :)現在、11個のインデックスを入力し、出力は1小節分未来にずらしたジグザグになっています。これが、8ヶ月間のグリッドの結果です。1000本のバー、10000回のエポック、隠れ層の70ニューロンで学習しています。信号は、追加のフィルターを使用せず、ニューラルネットワークによって反転され、純粋なものとなります。15分tf.私も2013年に似たようなアルゴリズムを実装してみたのですが...。しかし、7つのインディケータを使い、ZigzagはNSのトレーニングのためのベクトルを形成するために使用されました。でも本質は同じで、反転のポジションを探していたんです...。ジグザグを使い始めた頃は、何をどうすればいいのか全く分かりませんでした。偶然にもいくつかのパターンに出会うまでは。それが、私のTSを根本から変えてしまったのです。これで、私のアルゴリズムはもっとシンプルになりました。1.分単位、時間単位で過去1年間のパターンを計算する。2.ターニングポイントの辞書を作る（「分パターン-時間パターン」のペア）。3.ティッピングポイント辞書を使ったNSの指導（150～160組について）。これが私のアプローチの結果です。私のやり方のデメリットに1) TSの高リスク - ブレークプライスの正確な値を決定することは不可能であるため、TSはロットで9つの保留注文を配置します。1, 1, 3, 6, 14, 31, 70, 158, 355;2) 出口アルゴリズム（トロールTS）の実装が困難である。だからNSはトレードに使える。ただ、問題はNSに何を教えるかだ...。 P/S：パターンというのは、A.メリルのパターン（M&W）のことです。 12345678910 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
では見せてください、とても興味深いです。好ましくは、ニューロン数、入力数、学習例数などの詳細を記載すること。
そうすると、カオスになりますね。
次のバーを予測するのではなく、ネットワークエラーの数を数えるなど、別の方向から問題を解決しようとしたことはありますか？つまり、グリッドは最近の履歴の中に何らかの規則性（トレンド）を見つけ、その規則性が現在のバー上にまだ存在するかどうかをチェックする。規則性が働かなくなった（ネットのエラーが多くなった）のであれば、トレンドが変わったのでしょう。そして、それゆえ、市場へのエントリー ポイントを探すことができるのです。
そうすると、カオスになりますね。
では、見せてください、とても面白いです。好ましくは、ニューロン数、入力数、学習例数などの詳細を記載すること。
Combinatorのために答えます。
これがそのカーブです。ニューロン数 - 任意。入力数 - 任意トレーニングサンプルの量 - 任意そして、それ以外のものは、どんな量でも。
Combinatorのために答えます。
これがそのカーブです。ニューロン数 - 任意。入力数 - 任意学習例の数は問わない。そして、それ以外のものは、どんな量でも。
ダミーのみ。ニューラルネットワークが学習期間中に何を示すのか、どなたか示していただけませんか？
同じことを学んでいる2人のNSの束が、異なるtfにある。入力12、隠れ層10ニューロン、それぞれ1出力。50小節の履歴で学習するため、テスト中に再学習することはない。しかし、私はまだ勉強中で、これは中級のバリアントです。サンプル外、トレーニングサンプル外でのテスト。
同じことを学んでいる2人のNSの束が、異なるtfにある。入力12、隠れ層10ニューロン、それぞれ1出力。50小節の履歴で学習するため、テスト中に再学習することはない。しかし、私はまだ勉強中で、これは中級のバリアントです。テストアウトオブサンプル、トレーニングサンプルの外。
なぜ巻数が違うのか？
底辺？ボリュームではなく、フリーマージンのレベルです。
フォーラムには、既成のソリューションや、市場での取引にニューラルネットワークが有効であるという情報はほとんどない。ここで議論し、経験を共有することをお勧めします。すでに議論されているスレッドがある場合は、そちらにリンクを張ってください。
私はここにある クラス、シンプルなマルチレイヤーPerspectronを使用しています。クラスが正しくカウントされることを願っています。私は著者の経験を頼りにしています。実験開始、面白いです :)
現在、11個のインデックスを入力し、出力は1小節分未来にずらしたジグザグになっています。
これが、8ヶ月間のグリッドの結果です。1000本のバー、10000回のエポック、隠れ層の70ニューロンで学習しています。信号は、追加のフィルターを使用せず、ニューラルネットワークによって反転され、純粋なものとなります。15分tf.
私も2013年に似たようなアルゴリズムを実装してみたのですが...。しかし、7つのインディケータを使い、ZigzagはNSのトレーニングのためのベクトルを形成するために使用されました。でも本質は同じで、反転のポジションを探していたんです...。ジグザグを使い始めた頃は、何をどうすればいいのか全く分かりませんでした。偶然にもいくつかのパターンに出会うまでは。それが、私のTSを根本から変えてしまったのです。これで、私のアルゴリズムはもっとシンプルになりました。
1.分単位、時間単位で過去1年間のパターンを計算する。
2.ターニングポイントの辞書を作る（「分パターン-時間パターン」のペア）。
3.ティッピングポイント辞書を使ったNSの指導（150～160組について）。
これが私のアプローチの結果です。
私のやり方のデメリットに
1) TSの高リスク - ブレークプライスの正確な値を決定することは不可能であるため、TSはロットで9つの保留注文を配置します。1, 1, 3, 6, 14, 31, 70, 158, 355;
2) 出口アルゴリズム（トロールTS）の実装が困難である。
だからNSはトレードに使える。ただ、問題はNSに何を教えるかだ...。
P/S：パターンというのは、A.メリルのパターン（M&W）のことです。