GRAALに向かう途中のエッジ効果 - ページ 5 123456789101112...14 新しいコメント Neutron 2009.01.07 15:15 #41 Desperado писал(а)>> 図から推測すると、ネットワークは30%の確率で方向を推測していると考えてよいでしょうか？ ネットの集合体で作業してみたことはありますか？例えば3や5で、判断を絞り込む。 あるいは、一組のネットで、一方は上方だけ、もう一方は下方だけを当てる。 ところで、なぜ入力ニューロンがちょうど3個（あるいは5個、私は混乱している ;）なのでしょうか。4入力、7入力、15入力のネットワークに出会っただけです :) 追伸 私はかつて、自分の履歴をすべて記憶し、現在の状況と最も似ているものを探すという実験をしたことがあります。 ベクトル距離法を用いて（もちろん正規化ベクトル）。6割のケースで、歴史は繰り返された :) しかし、それでも予測範囲とベクトル長に依存します。 いいえ正しくありません。Gridは青色で表示されたものの10～15％を推測しています。赤が学習用サンプルです。グリッド委員会は使っていません。まだ必要性を感じていないのです。NSの予測能力が不十分であれば、委員会と連携していく。 ちなみに、再教育については。NSをnステップで再トレーニングすることは、予測の地平線をn倍にすることと等価であることを厳密に示すことができます。この結果、NSの予測能力の増加にはパワー依存性がある。例えば、訓練直後のNSが値動きの方向性の兆候の10％を正しく予測した場合、訓練後の1ステップで予測能力は1％に低下し、2ステップで0.1％となり、これは医学的事実である。もちろん、価格型の時系列では、各ステップで再学習することが非常に重要です。 削除済み 2009.01.07 16:39 #42 Neutron >> : いいえ、そうではありません。Gridは青色で表示されたものの10～15％を推測しています。学習用サンプルは赤色で表示されています。グリッド委員会は使っていません。まだ必要性を感じていないのです。NSの予測能力が不十分であれば、委員会と連携していく。 ちなみに、再教育については。NSをnステップで再トレーニングすることは、予測の地平線をn倍にすることと等価であることを厳密に示すことができます。その結果、NSの予測能力を高めるというパワー依存性が生まれた。例えば、学習直後のNSが値動きの方向性の兆候を10％正しく予測したとすると、1ステップ後には予測の耐久性が1％に低下し、2ステップ後には3％-0.1％といった具合です。明らかに、価格シリーズのような時系列では、各ステップでの再トレーニングが非常に重要です。 実際に何かを予測することに成功したのでしょうか、それとも見物人の前で水を注いでいるだけなのでしょうか？Yesの場合、ニューロティクスの出力に、何をどれだけ使っていますか？シリーズの予測可能性を研究されたのですか？それに、私の質問にもまだ答えてくれていません。ある一定期間の通貨の一方向への動きを知らずに、どうやって取引するのですか？ Desperadoさん、ウェーブレットは弱い近似に属するので、スペクトラム解析や回帰などのトリックがあるSSAや統計学と同様に予知に使うのはよくありません。 Neutron 2009.01.07 18:37 #43 registred писал(а)>> シリーズの予測可能性を研究されたのですか？その上、私の質問にはまだ答えていません。ある期間の通貨の動きを知らずに、どのように取引をするのですか？ コメント全体については言葉がありませんが、系列の予測可能性については、興味深い点です。 Ярослав 2009.01.07 18:58 #44 registred >> : 実際に予測に成功したのか、それともガワに水を注いでいるだけなのか？もしそうなら、あなたが使っている神経科学は、どのくらい、何を、どのように出力しているのでしょうか？シリーズの予測可能性を研究されたのですか？それに、私の質問にもまだ答えてくれていません。ある一定期間の通貨の一方向への動きを知らずに、どうやって取引するのですか？ デスペラード ウェーブレットは弱い近似に属するので、例えばSSAのように予測に使ったり、スペクトル解析や回帰などの統計学に使ったりするのはよくありません。 秘密でないなら、じゃあ何を使うのがいいのか？ 削除済み 2009.01.07 19:02 #45 Neutron >> : コメント全体については、まだ何も言えませんが、シリーズの予測可能性については、興味深い点ですね、述べられた推定のためのアルゴリズム（アイデア、発想）はありますか？ 例えば、ハースト指数は、市場の状態やその予測可能性をかなりよく推定してくれる。 削除済み 2009.01.07 19:05 #46 sol >> : 秘密でないなら、何を使うのが良いのでしょうか？ 秘密というには程遠い。ニューラルネットワーク、MGUA、ラジアル基礎関数などの非線形動的モデル。今、いろいろなものが生まれています。 Neutron 2009.01.08 07:03 #47 registred писал(а)>> 例えば、ハースト社の指標は、市場の状況や予測可能な瞬間をよく推定してくれる。 Hurst指数はBPに存在する内部非線形規則性を明らかにするものではなく、積分指数であり、初期BPの最初の差の系列における隣接サンプル間の相関係数と強い親和性を持つ（これは厳密に証明することができる）。したがって、この性質を利用して構築できるのは、一次自己回帰モデルかその派生型だけである。NS装置を用いて解決される問題は、上記で正しくご指摘いただいたように、より広範で、線形自己回帰モデルに限定されるものではなく、確かに隠れたパターンを推定する方法でもありません。先日、「ボックスカウンティング」という現実の金融商品の予測可能性を定量化する方法を扱いましたが、それと似たようなことを話しているのではないかと思います。 削除済み 2009.01.09 09:34 #48 FXに隠れたパターンがあるなんて、誰が言ったんだ！)そこでは、すべてがオープンでアクセスしやすいのです。もうひとつは、シリーズを深く研究するのに十分な情報があるかどうかです。しかし、これはどちらかというとファンダメンタルズ分析の話です。テクニカル分析の観点からは、すべてが揃っています。 Neutron 2009.01.09 12:15 #49 registred писал(а)>> もうひとつは、その行を深く研究するのに十分な情報があるかどうかです。 そんなものがあるんですね。しかも、十分な情報があったとしても、それがすでに陳腐化して役に立たないという保証はない......。要するに、妥協が大事なのです 削除済み 2009.01.10 14:41 #50 また、予測システムでファンダメンタルズ分析を使うことを妨げるのは誰でしょうか？例えば、SaxoTraderのニュースはリアルタイムで配信されます。 123456789101112...14 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
図から推測すると、ネットワークは30%の確率で方向を推測していると考えてよいでしょうか？
ネットの集合体で作業してみたことはありますか？例えば3や5で、判断を絞り込む。
あるいは、一組のネットで、一方は上方だけ、もう一方は下方だけを当てる。
ところで、なぜ入力ニューロンがちょうど3個（あるいは5個、私は混乱している ;）なのでしょうか。4入力、7入力、15入力のネットワークに出会っただけです :)
追伸
私はかつて、自分の履歴をすべて記憶し、現在の状況と最も似ているものを探すという実験をしたことがあります。
ベクトル距離法を用いて（もちろん正規化ベクトル）。6割のケースで、歴史は繰り返された :)
しかし、それでも予測範囲とベクトル長に依存します。
いいえ正しくありません。Gridは青色で表示されたものの10～15％を推測しています。赤が学習用サンプルです。グリッド委員会は使っていません。まだ必要性を感じていないのです。NSの予測能力が不十分であれば、委員会と連携していく。
ちなみに、再教育については。NSをnステップで再トレーニングすることは、予測の地平線をn倍にすることと等価であることを厳密に示すことができます。この結果、NSの予測能力の増加にはパワー依存性がある。例えば、訓練直後のNSが値動きの方向性の兆候の10％を正しく予測した場合、訓練後の1ステップで予測能力は1％に低下し、2ステップで0.1％となり、これは医学的事実である。もちろん、価格型の時系列では、各ステップで再学習することが非常に重要です。
いいえ、そうではありません。Gridは青色で表示されたものの10～15％を推測しています。学習用サンプルは赤色で表示されています。グリッド委員会は使っていません。まだ必要性を感じていないのです。NSの予測能力が不十分であれば、委員会と連携していく。
ちなみに、再教育については。NSをnステップで再トレーニングすることは、予測の地平線をn倍にすることと等価であることを厳密に示すことができます。その結果、NSの予測能力を高めるというパワー依存性が生まれた。例えば、学習直後のNSが値動きの方向性の兆候を10％正しく予測したとすると、1ステップ後には予測の耐久性が1％に低下し、2ステップ後には3％-0.1％といった具合です。明らかに、価格シリーズのような時系列では、各ステップでの再トレーニングが非常に重要です。
実際に何かを予測することに成功したのでしょうか、それとも見物人の前で水を注いでいるだけなのでしょうか？Yesの場合、ニューロティクスの出力に、何をどれだけ使っていますか？シリーズの予測可能性を研究されたのですか？それに、私の質問にもまだ答えてくれていません。ある一定期間の通貨の一方向への動きを知らずに、どうやって取引するのですか？
Desperadoさん、ウェーブレットは弱い近似に属するので、スペクトラム解析や回帰などのトリックがあるSSAや統計学と同様に予知に使うのはよくありません。
シリーズの予測可能性を研究されたのですか？その上、私の質問にはまだ答えていません。ある期間の通貨の動きを知らずに、どのように取引をするのですか？
コメント全体については言葉がありませんが、系列の予測可能性については、興味深い点です。
実際に予測に成功したのか、それともガワに水を注いでいるだけなのか？もしそうなら、あなたが使っている神経科学は、どのくらい、何を、どのように出力しているのでしょうか？シリーズの予測可能性を研究されたのですか？それに、私の質問にもまだ答えてくれていません。ある一定期間の通貨の一方向への動きを知らずに、どうやって取引するのですか？
デスペラード ウェーブレットは弱い近似に属するので、例えばSSAのように予測に使ったり、スペクトル解析や回帰などの統計学に使ったりするのはよくありません。
秘密でないなら、じゃあ何を使うのがいいのか？
コメント全体については、まだ何も言えませんが、シリーズの予測可能性については、興味深い点ですね、述べられた推定のためのアルゴリズム（アイデア、発想）はありますか？
例えば、ハースト指数は、市場の状態やその予測可能性をかなりよく推定してくれる。
秘密でないなら、何を使うのが良いのでしょうか？
秘密というには程遠い。ニューラルネットワーク、MGUA、ラジアル基礎関数などの非線形動的モデル。今、いろいろなものが生まれています。
例えば、ハースト社の指標は、市場の状況や予測可能な瞬間をよく推定してくれる。
Hurst指数はBPに存在する内部非線形規則性を明らかにするものではなく、積分指数であり、初期BPの最初の差の系列における隣接サンプル間の相関係数と強い親和性を持つ（これは厳密に証明することができる）。したがって、この性質を利用して構築できるのは、一次自己回帰モデルかその派生型だけである。NS装置を用いて解決される問題は、上記で正しくご指摘いただいたように、より広範で、線形自己回帰モデルに限定されるものではなく、確かに隠れたパターンを推定する方法でもありません。先日、「ボックスカウンティング」という現実の金融商品の予測可能性を定量化する方法を扱いましたが、それと似たようなことを話しているのではないかと思います。
FXに隠れたパターンがあるなんて、誰が言ったんだ！)そこでは、すべてがオープンでアクセスしやすいのです。もうひとつは、シリーズを深く研究するのに十分な情報があるかどうかです。しかし、これはどちらかというとファンダメンタルズ分析の話です。テクニカル分析の観点からは、すべてが揃っています。
もうひとつは、その行を深く研究するのに十分な情報があるかどうかです。
そんなものがあるんですね。しかも、十分な情報があったとしても、それがすでに陳腐化して役に立たないという保証はない......。要するに、妥協が大事なのです
また、予測システムでファンダメンタルズ分析を使うことを妨げるのは誰でしょうか？例えば、SaxoTraderのニュースはリアルタイムで配信されます。