externint _grosserPeriod =PERIOD_H1;externint _lesserPeriod =PERIOD_M5;externint _bars =100000;int lesser2grosser(int sh ){int dt =iTime(NULL, _lesserPeriod, sh );return(iBarShift(NULL, _grosserPeriod, dt,false));}double len(int from,int period ){double sum =0;for(int i =0; i < from; i ++)
sum +=MathAbs(iClose(NULL, period, i )-iClose(NULL, period, i +1));return( sum );}int start(){double ratio = len( _bars, _lesserPeriod )/ len( lesser2grosser( _bars ), _grosserPeriod );double ratioSquared = ratio * ratio;int periodsRatio = _grosserPeriod / _lesserPeriod;double one = ratioSquared / periodsRatio;Print("one equals "+ one );return(0);}//+------------------------------------------------------------------+
できますが、それ以降にComment()を呼び出すと、前の出力と同じグラフィック座標で実行されるため、前の出力の結果が「詰まって」しまうので、不便です。だから、Print()の方がいいんです。
paralocus、Matkad をインストールし、インターフェースに悩まされないでください。メッシュをデバッグして、MKLに実装します。
新しい環境に適応することでも、時間を大幅に短縮することができます。
昨日買ったばかりです。MQLの良さには本当に困惑させられましたので、今インストールしています
しかし、グリッドはスケールダンプから判断して3エポックで学習しており、不具合はないようだ。
------------------------------------------------------------------------------------------------------------------------
ダンプスケール
------------------------------------------------------------------------------------------------------------------------
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.17062009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1456|7.3647|1.1477|0.1959|0.197|-0.1281|-0.8441|-0.4209|-0.1956|-0.044|0.0458|0.7074|-0.1706
2009.05.22 18:17:48 Nero AUDUSD,M30: W : -0.1|6.0564|1.1419|0.1999|0.2118|-0.11|-0.821|-0.4656|-0.1458|-0.037|0.0564|0.7267|-0.1584
2009.05.22 18:17:48 Nero AUDUSD,M30: W : 0.1164|3.5091|1.2495|0.3147|0.3362|0.0168|-0.6902|-0.8039|-0.0126|0.0312|0.1206|0.8339|-0.0615
それだ!Matcadがインストールされています。今週末には、その魅力に触れることができそうです。
中性子「...なのに、回転している!」。一重が効く、学ぶ。ただ、M30に持ち込もうとしたら、そこで......「パターン」ってあるじゃないですか。
しかし、H4では......どうでしょう。そして、興味深いことに、入力数とエポック数にも注目してみてください。
ここでは、D= 7、24エポックである。
そして、ここではD = 5、同じく24エポックである。
いや、Petyaは庭の茂みを全部引っ張ったんだ。平方根を求めろと言われたんだ:-)
そして、ヴァシリー・イヴァノヴィッチはチェッカーを磨いていた。単項式を多項式で割りなさいというのだ......。
それだ!Matcadがインストールされています。今週末にお知り合いになる予定です。
中性子「...それなのに、回転している!」.一重に、学習しているのです。今、M30で出してみましたが、そこにどんな「規則性」があるかはご存知の通りです。
しかし、H4では......どうでしょう。そして、興味深いのは、エントリ数とエポック数に注目することです。
ここでは、D= 7、24エポックである。
そして、ここではD = 5、同じく24エポックである。
成功おめでとうございます。
実は、M30では音が出ないはずなのですが...。このアイデアがうまくいけば、M5でもうまくいくでしょう。そしてもう一つの疑問は、H4よりもM5の方がトータルで高い結果になるのではないかということです。最近、H1とM5を比較したのですが(上記のスレッドを参照)、M5では、同じ1万本のバーでH1の半分以上のデータを集めました。そして、時間的な要素は、ご存知のように12...
M1ではそれなりの結果が出たことがない。
最近、H1とM5を比較したのですが(スレッドの上記を参照)、M5では同じ1万本のバーで、H1の半分以上のデータを集めました。そして、時間的な要素は、ご存知のように12...
カーブレシオが12であることについては、非常に疑問です。模型実験の前は、両者の差は約sqrt( 12 )であるべきだと考えていました。原理的にはだいたいそうなのだが、それでも違いがある(特に期間が大きく異なる場合)。ハースト社は、このあたりをよく調べているのだろう。以下はそのコードです(_bars - 浅い周期のヒストリーバーの数)。
アレクセイ、何のカーブかわからないんだけど?差し支えなければ、説明してください。
ところで、ファイバーの調子はどうですか?
YDzh さんへ 私はタイムフレームは全く好きではありません...。そんなことはありません。私の知識と技術のレベルでは、私にとってこの悪は避けられないからこそ、使っているのです。しかし、私には実験の結果があります。
私のグリッドの外部パラメータは、入力数と学習エポック数の2つだけである。グリッドは単層で自己学習し、OPENからの 一連の最初の違いで動作します。そこで、ニュートロンが 言うように、「僕の彼女」はこの2つのパラメータの重ね合わせに強くハマっているのではないかと疑い、昨日、オプティマイザーに突っ込んで見てみると......。
オプティマイザーは1時間ほど頭を悩ませて、たった8つの結果を出してくれましたその中で一番いいものを見るのは難しいことではありませんでした。しかし、TF 30の結果はありません。つまり、(このグリッドの)入力数と学習エポック数が100回以内であれば、グリッドが失敗することはないのです。したがって、「...H4よりM5の方がいいのか、よくないのか」という修辞的な質問は、一般相対性理論の文脈で考えるべきで、つまり誰にとって(何にとって)...ということです。になるのでしょうか?私のグリッドでは絶対に無理ですが、あなたのグリッドではベストかもしれません...。
現在、2層の統計をとっているところです。その結果、quotientsでは、重みがエポックごとに保持されている場合、NSの方が期待される運動の符号をよりよく決定することが判明した。実験結果によると、約20%対23%の正解率であることが判明しています。もちろん、その差は大きくないが、この割合がTSの収益性の4分の1と同じくらいになることを考えると......。- は大きな価値があります。この効果は、エポックからエポックへの重みをw=g*th(w)で渡すと顕著になる。ここでgは 1ではなく、0.005のオーダーの係数である。
この効果は、エポックからエポックへの重みがg*th()を通して渡される場合に顕著になる(gは0.005のオーダーの係数)。
重量の変化には、かなり確かな「限界」があることを直感で感じているのですが......。が、それをきちんと形にできるほどの知識はない。つまり、この「場」では、重みは(特定のニューロンの)重みの数値軸上の相対的な位置ほど重要ではないことが分かっているのですが、これを何とか探り出せないものでしょうか......。であれば、成功すれば、D個の入力を持つ単位ニューロンが原理的に(与えられたベクトルに対して)学習可能であれば、重みの範囲-/+1、または+/-U(U = F(D))で最適に学習できると言える。そうすれば、まったく別の、「生物学的」な学習パラダイムが出現する可能性がある。私の直感的な推測は、g*th()の使用に関するあなたの結果で一部確認できました。実際、エポックからエポックへ、すべてのウエイトをある経験値に収束させ、数値軸の広がりに散らばらないようにするのです。