ニューラル・ネットワーク専門家からの質問 - ページ 3 12345678910...25 新しいコメント 削除済み 2010.01.08 20:00 #21 ニューラルネットの実験を続け、「匠の技」に迫る。彼らが「馬鹿」なのか、私が「馬鹿」なのか理解できませんが）本当にそうだといいなと思います。私はすべてスタティカでやっていることを思い出してください。ということで落胆してしまいました。グリッドに2つのシリーズを与えたところ、両者の相関は（振幅ではなく方向で）=100%、視覚的にも同じで、価格帯もほぼ同じです。その後、EMAを一列に並べましたが、最初のバーから最後のバーまでではなく、最後のバーから最初のバーまで、つまり、EMAが先で、次に価格となります。右側のテール（EMAが値を形成するチャートの端）を切り、1行目、2行目、1行目のEMAに基づいて、2行目のEMAが（同じ周期で）どこになるかを教えてくれるタスクをグリッドに与えました。2-005eの精度を得ることができました。いいような気もしますが（とてもかっこいい気もしますが）、列で数える必要もない最も単純な式でしか同じ精度は得られません))))しかも、予測されたEMAはすべて曲がっていて、小節ごとにふらふらと揺れている。ダイナムス...プロ諸君、私は何を間違えているのだろうか？実はこのタスクには、グリッドに関するヒントがたくさんあり、予報に関係ないこともあるのです。平凡でシンプルな数式はグリッド結果を繰り返し、さらに良い結果をもたらしますが、あまりにも愚かなため、ネットが原理的に何ができるのかが不明になってしまうのです？私はネットの設定方法を完全に理解しておらず、何か間違ったことをしているのだと本気で信じたい。写真を添付します。 ネットワークは、1枚目の絵からEMAを知り、さらに1行目と2行目のすべての句からEMAを得るというタスクを持っていました。EMAは逆方向へ進む（それが課題だった）。 Andrey Dik 2010.01.08 22:42 #22 LeoV писал(а)>> そうですね。でも、私たちは最大限の利益を得るために戦っています。そして、ここでは、最小の誤差では最大の利益を得ることはできないのです。まあ、少なくとも私のところにはそのような痕跡は見つかりませんでしたが......。 何を基準に誤差を計算しているのですか？RMS？ gumgum 2010.01.09 01:58 #23 私が間違っているのかもしれませんが...。ネットワークの入力は、他のものを探した方がいいと思います。入力の再現性が良くない。 層数、ニューロン数は？ Dmitry Fedoseev 2010.01.09 03:06 #24 mrstock писал(а)>> 1） ニューラルネットワークは、ACCのように本質的に動的な関数であれば、計算に必要なデータをすべて持っていても、関数を再構築することができない。 2) 間違えていたら、どのネットワークを使うべきでしょうか？そして、統計学でMLPを 使用。 3） オートネットと自社設計のネットは、言ってみれば根本的に大差がないという意見を聞いたことがあります。本当にそうなのでしょうか？ 4) 金融市場、特に私が述べたタスク、すなわちすべての既知のデータから値を復元するために、どのようなネットワークとプログラムを助言してくれますか。 敬称略、mrstock。 1.応募作品はACCの最も遅いMAの周期の10倍であること。EMAの値は、通常、その周期パラメータの10倍のバーの数に依存します。EMAを繰り返すには、線形伝達関数を持つ単一ニューロンが最適である。ACCでは、おそらくもう1層必要でしょうし、1層とすべて1ニューロンでは十分ではありません。 2.これが一番難しいとされている、ネットワークの種類とその構成の選択です。もしEMAで線形ニューロン1つで十分なら（入力の重みが異なるだけの加算器）、ACCでは線形とシグモイドニューロンを組み合わせ、加算器の代わりに乗算器を使った方がよいかもしれませんね。 もし、望ましい規則性の性質がまったくわからないのであれば、実験あるのみです。あらゆるタイプのネットワークを試してみてください。正しく学習させればよいのです。学習させるサンプルは多く、ネットワーク内のニューロンは少ないほどよいのです。学習後、チェックデータで、このネットワークのニューロン数をできるだけ少なくして、どのネットワークが最良の結果を与えるかを確認する。 Dmitry Fedoseev 2010.01.09 03:08 #25 StatBars писал(а)>> 1) 入力データに関数が含まれている場合、グリッドはその関数を復元できる。もし、前回の実験で期間値がボラティリティに依存するのであれば、グリッドはそのボラティリティをある程度推定していたはずです。 2)MLPから必要なものを絞り込める。他のアーキテクチャを使用した方がMLPよりも優れていることを数学的に証明できる場合に，他のネットワークを使用します． 3)NS2 - 高速、高品質な結果、どこにでも簡単に転送できる... ボラティリティの値を与える必要はなく、ネットワーク自体がこのボラティリティを検出するように考えて、ニューロンを追加し、トレーニングのためのサンプル数を増やすとよいでしょう。 Dmitry Fedoseev 2010.01.09 03:16 #26 mrstock писал(а)>> ...さらに、予測されたEMAはすべて曲がっていて、棒から棒へぐらぐらと揺れました...。 おそらくネットワーク内のニューロンが多すぎるのでしょう。おそらく、入力値の正規化で何か別の問題が発生しているのでしょう。 Andrey Dik 2010.01.09 10:01 #27 mrstockへ もし、写真に写っているものをそのままトレーニング用に提出したのであれば、私もInteger さんと同意見で、とりわけ問題は正規化にあると思います。 to LeoV and StatBars NSが許すなら、RMS誤差の代わりにルート平均誤差を使用してみてください。必ず感想をご報告ください。 mrstockへの 追記 インクリメントをトレーニングサンプルとして使ってみてください。ところで、Statisticaには自動的な正規化はありません。 Dem0 2010.01.09 10:15 #28 joo писал(а) >> 学習用サンプルとしてインクリメントを使用してみてください。 増分の対数の方が良いのでは...。 gumgum 2010.01.09 13:13 #29 Dem0 >>: Наверное, лучше логарифм приращения... パラメータを弄りながらやってみてください。 - シグモイド活性化関数の傾きを指定するパラメータです。 Леонид 2010.01.09 13:41 #30 mrstock писал(а)>> さらに、EMAはすべて曲がっていて、小節ごとに変化していました。ダイナムス...皆さん、私は何を間違えているのでしょうか？ ネットワークの力を借りて稼ぎたいのであって、予測実験や別の自転車を作りたいわけではない、と言うのであれば、価格予測や価格のEMAは、前世紀にこの行為の無駄（収益面）を理由に放棄されたことになる。 12345678910...25 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
ニューラルネットの実験を続け、「匠の技」に迫る。彼らが「馬鹿」なのか、私が「馬鹿」なのか理解できませんが）本当にそうだといいなと思います。私はすべてスタティカでやっていることを思い出してください。ということで落胆してしまいました。グリッドに2つのシリーズを与えたところ、両者の相関は（振幅ではなく方向で）=100%、視覚的にも同じで、価格帯もほぼ同じです。その後、EMAを一列に並べましたが、最初のバーから最後のバーまでではなく、最後のバーから最初のバーまで、つまり、EMAが先で、次に価格となります。右側のテール（EMAが値を形成するチャートの端）を切り、1行目、2行目、1行目のEMAに基づいて、2行目のEMAが（同じ周期で）どこになるかを教えてくれるタスクをグリッドに与えました。2-005eの精度を得ることができました。いいような気もしますが（とてもかっこいい気もしますが）、列で数える必要もない最も単純な式でしか同じ精度は得られません))))しかも、予測されたEMAはすべて曲がっていて、小節ごとにふらふらと揺れている。ダイナムス...プロ諸君、私は何を間違えているのだろうか？実はこのタスクには、グリッドに関するヒントがたくさんあり、予報に関係ないこともあるのです。平凡でシンプルな数式はグリッド結果を繰り返し、さらに良い結果をもたらしますが、あまりにも愚かなため、ネットが原理的に何ができるのかが不明になってしまうのです？私はネットの設定方法を完全に理解しておらず、何か間違ったことをしているのだと本気で信じたい。写真を添付します。
ネットワークは、1枚目の絵からEMAを知り、さらに1行目と2行目のすべての句からEMAを得るというタスクを持っていました。EMAは逆方向へ進む（それが課題だった）。
そうですね。でも、私たちは最大限の利益を得るために戦っています。そして、ここでは、最小の誤差では最大の利益を得ることはできないのです。まあ、少なくとも私のところにはそのような痕跡は見つかりませんでしたが......。
私が間違っているのかもしれませんが...。ネットワークの入力は、他のものを探した方がいいと思います。入力の再現性が良くない。
層数、ニューロン数は？
1） ニューラルネットワークは、ACCのように本質的に動的な関数であれば、計算に必要なデータをすべて持っていても、関数を再構築することができない。
2) 間違えていたら、どのネットワークを使うべきでしょうか？そして、統計学でMLPを 使用。
3） オートネットと自社設計のネットは、言ってみれば根本的に大差がないという意見を聞いたことがあります。本当にそうなのでしょうか？
4) 金融市場、特に私が述べたタスク、すなわちすべての既知のデータから値を復元するために、どのようなネットワークとプログラムを助言してくれますか。
敬称略、mrstock。
1.応募作品はACCの最も遅いMAの周期の10倍であること。EMAの値は、通常、その周期パラメータの10倍のバーの数に依存します。EMAを繰り返すには、線形伝達関数を持つ単一ニューロンが最適である。ACCでは、おそらくもう1層必要でしょうし、1層とすべて1ニューロンでは十分ではありません。
2.これが一番難しいとされている、ネットワークの種類とその構成の選択です。もしEMAで線形ニューロン1つで十分なら（入力の重みが異なるだけの加算器）、ACCでは線形とシグモイドニューロンを組み合わせ、加算器の代わりに乗算器を使った方がよいかもしれませんね。
もし、望ましい規則性の性質がまったくわからないのであれば、実験あるのみです。あらゆるタイプのネットワークを試してみてください。正しく学習させればよいのです。学習させるサンプルは多く、ネットワーク内のニューロンは少ないほどよいのです。学習後、チェックデータで、このネットワークのニューロン数をできるだけ少なくして、どのネットワークが最良の結果を与えるかを確認する。
1) 入力データに関数が含まれている場合、グリッドはその関数を復元できる。もし、前回の実験で期間値がボラティリティに依存するのであれば、グリッドはそのボラティリティをある程度推定していたはずです。
2)MLPから必要なものを絞り込める。他のアーキテクチャを使用した方がMLPよりも優れていることを数学的に証明できる場合に，他のネットワークを使用します．
3)NS2 - 高速、高品質な結果、どこにでも簡単に転送できる...
ボラティリティの値を与える必要はなく、ネットワーク自体がこのボラティリティを検出するように考えて、ニューロンを追加し、トレーニングのためのサンプル数を増やすとよいでしょう。
...さらに、予測されたEMAはすべて曲がっていて、棒から棒へぐらぐらと揺れました...。
おそらくネットワーク内のニューロンが多すぎるのでしょう。おそらく、入力値の正規化で何か別の問題が発生しているのでしょう。
mrstockへ
もし、写真に写っているものをそのままトレーニング用に提出したのであれば、私もInteger さんと同意見で、とりわけ問題は正規化にあると思います。
to LeoV and StatBars
NSが許すなら、RMS誤差の代わりにルート平均誤差を使用してみてください。必ず感想をご報告ください。
mrstockへの 追記
インクリメントをトレーニングサンプルとして使ってみてください。ところで、Statisticaには自動的な正規化はありません。
joo писал(а) >>
学習用サンプルとしてインクリメントを使用してみてください。
増分の対数の方が良いのでは...。
Наверное, лучше логарифм приращения...
パラメータを弄りながらやってみてください。
- シグモイド活性化関数の傾きを指定するパラメータです。
ネットワークの力を借りて稼ぎたいのであって、予測実験や別の自転車を作りたいわけではない、と言うのであれば、価格予測や価格のEMAは、前世紀にこの行為の無駄（収益面）を理由に放棄されたことになる。