イメージを認識する（修辞学的テーマ） - ページ 12

[削除済み]

denis_orlov:

думаю, именно это ты и просишь, т.к. сам конкретику представить не в состоянии.

何も求めない。そして、私は何も求めませんでした。

だから、アルゴリズムを教える必要はないんです。その仕事の結果を教えてもらえるので、その結果を検証してみます。そして、そのようなアルゴリズムから何かを得ることができるのかどうかをお伝えします。要望なのか、陳情なのか。これは提案であり、認識アルゴリズムの作者の利益を第一に考えてのことである。もし、誰かが良い認識器を作れても、それを利益につながるように実装できない（難しい！）場合は、直接他の開発者に協力を求めるべきでしょう。

このスレッドで、認識シグナルを含むファイルをアップロードすれば、私以外の誰かが、これらのシグナルを使って、トレードのエントリーやエグジットのアルゴリズムをテストしてみることができます。

でも、利益を出して取引しているんですね？だから、このキャンペーンはあなたのためではない:)

[RIP]

gip:

全く使えないというわけではありませんが、私の場合は応用が利きません。

ローソク足のパターン認識手法そのものは、認識そのものではなく、単純なパターンの探索である。これでは、パターンにコード化された情報の99％以上が失われてしまう。

まあ、そう考えると、基本的に正式な価格値から離れた指標はすべて情報性を失い、エラーになるわけです。例えば、失われたのは、リッチーが 使ったローソク足のコーディング法、K＝（HL、LO/HL、LC/HL）である。さて、問題はBP上のパターン選定をどのような方法で行うかです。

なぜこのような質問をするかというと、パターンをどう形式化するかという加工をする際に、すでに何度もこの問題に直面したからです。1つはコーディングで、 リッチーや リホビドフに 似たようなコードを形成するときです。 2つ目は、境界基準を導入する方法です。 この場合も、境界基準を導入すると、時間という重要な要素が失われます。また、図形が形成さ れるまでのフレーム数も考慮する必要がある。

[削除済み]

ここでは、パターンという概念を一般化して、価格チャートの認識可能な部分として適用するのが良いように思います。必ずしも図解である必要はありません。できれば漏れなく、失敗なく、着実に認知されることが大きなポイントです。したがって、認識方法はほとんど何でもいいのです。エンコーディングは問題ありません。エンコード方式は多数存在する可能性があります。グラフィック的には問題ない。基準的には、それが指標として理解できるのですが、これも良いことです。パターン検索で - いいえ。動作が不安定で、ほとんどのものを見逃してしまう。確かに、テンプレート検索はアダプティブにできますが、私はこれを見たことがありません。ニューロネットは良いのですが、そのトレーニングは複雑なもので、みんなトレードのためのトレーニングしかしていないのです。ここでは、ニューラルネットワークを パターン認識だけに使うという話は出ていないと思います。他にどのような方法が考えられますか？

[Andrey Dik]

問題は、パターンを認識することではない（「パターン」という言葉が何を意味するのか知らないが）。問題は、解析のためのデータの前処理です。このフォーラムでは、前処理の優先順位が意外と低いのです。しかし、すべての情報は、その後の分析に適した形で提示されなければならない。

ノイズ、ギャップ、スパイクは、（どのような手法を用いても）適切な分析を行うための典型的な障害となります。鏡に例えてみましょう。ノイズは、鏡の表面のざらつきに例えると、反射がぼやけて汚くなる。ギャップとは、鏡が割れたように部分的にひび割れたり、ずれたりすることです。イジェクト、つまり異常に大きなバー（異常に小さなバーは存在しない）は、曲がった鏡に例えられる。そして、映し出されたものは、歪んでいない部分もあれば、見分けがつかないほど歪んでいる部分もあります。

この3つの問題は別々に解決する必要があります。そして、パターン認識の話もできる。

"全体の本質を理解するために、文脈から取り出してはいけないものを取り出してしまうことがあるのでは？"を "I

[削除済み]

私は別の角度から、前処理を一切行わず、きれいなデータで認識を行うようにしています。そして、認識後に後処理をする。ギャップやスパイクに相場の情報が含まれているのに、なぜフェードアウトさせなければならないのか？マスクはできても、それを認識し、記憶したとき。

[Andrey Dik]

私が書いた）欠陥のある鏡の写真を撮って、その写真に何らかのパターン認識システムを適用してみてください。グリッチアイロン」どころか、映り込んだ自分を認識できないかもしれません。

PS ミラーの欠陥はそれぞれ情報を持っていますが、ミラーで反射された元の光についてではなく、欠陥の原因（休日など）についてです。

[Andrey Dik]

私の主張を裏付ける現象はほかにもある。人間の脳には、感覚から得た情報のフィルターが「ビルトイン」されています。そのため、非常に騒がしい場所でも、何百人もの人が話し込んでいても、人々は容易に会話ができるのです。ビジョンも同じ性質を持っています。脳は、ノイズの多い要素の中から一つの画像要素に集中することができます。キャプチャはその一例です。

だから、マニュアル取引は 形式化しにくいのでしょうか。マニュアルトレーダーが一つの取引商品にこだわり、脳のフィルターを研ぎ澄ますのは、そのためなのだろうか。

[RIP]

gip:
ここでは、パターンという概念を一般化して、価格チャートの認識可能な部分として適用するのが良いように思います。必ずしも図解である必要はありません。できれば漏れなく、失敗なく、着実に認知されることが大きなポイントです。したがって、認識方法はほとんど何でもいいのです。エンコーディングは問題ありません。エンコード方式は多数存在する可能性があります。グラフィック的には問題ない。基準的には、それが指標として理解されるのですが、それもまた良いことです。パターン検索で - いいえ。動作が不安定で、ほとんどのものを見逃してしまう。確かに、テンプレート検索はアダプティブにできますが、私はこれを見たことがありません。ニューロネットは良いのですが、彼らのトレーニングは複雑なもので、みんな貿易のためのトレーニングしかしていないのです。ここでは、ニューラルネットワークをパターン認識だけに使うという話は出ていないと思います。他にどのような方法が考えられますか？

うーん ...パターンとは、時間の経過とともに繰り返され、一定の条件を満たす何らかのデータパターンのことである。私としては、タイムフレームのパターンは、我々はパターンを形成するローソク足のサブセットを考慮した場合、2種類にすることができます（私は用語パターンが適用されることがあると理解している - 私はこれが正しい定義であることに同意しないが）。オプション2、境界基準＋時間間隔とZZ/MA/EMAのために言うことは、パターンを形成することができます。もし、パターンをどのように記述するかが明確に定義されているのであれば、問題提起をできるだけ満足する認識・分類方法を選択する価値がある。

[RIP]

joo:

私の主張を裏付ける現象はほかにもある。人間の脳には、感覚から得た情報のフィルターが「ビルトイン」されています。そのため、非常に騒がしい場所でも、近くで何百人もの人が話していても、簡単に会話することができます。ビジョンも同じ性質を持っています。脳は、ノイズの多い要素の中から一つの画像要素に集中する能力があり、キャプチャはその一例である。

だから、マニュアル取引は形式化しにくいのでは？だから、「マニュアルトレーダー」は、脳のフィルターを研ぎ澄ましながら、一つの取引商品に多くの注意を払うのだろうか。

ノーベル医学賞を受賞したトーステン・ニルス・ヴィーゼルやデビッド・H・ユーベルが 猫の視覚野を研究した結果、角度の異なる直線に特に強く反応する「単純細胞」と、一方向の直線に反応する「複雑細胞」が存在し、脳は形質の分離を行うことがわかったそうです。これをベースに、畳み込みの仕組みを 利用した畳み込み ネットワークと呼ばれるNSの一群が開発された。そこで、最も興味深いのは、このクラスのNSが歪みを伴う画像認識において最高の性能を示すことである（カーブミラーと歪みについてである）ことは、Jan LeCun博士の著作で非常によく示されている。しかし、BP FXに畳み込みネットを適用することはできません:) 畳み込みネットは、歪んだデータの認識には向いていますが、画像再構成には向いていません。

[削除済み]

joo:

私の主張を裏付ける現象はほかにもある。人間の脳には、感覚から得た情報のフィルターが「ビルトイン」されています。そのため、非常に騒がしい場所でも、近くで何百人もの人が話していても、簡単に会話することができます。ビジョンも同じ性質を持っています。脳は、ノイズの多い要素の中から一つの画像要素に集中することができます。キャプチャはその一例です。

いいえ、フィルターはありません。認識はノイズの多いストリームから直接行われる。フィルターについて、どこでお知りになりましたか？聴覚の仕組みを理解するには、本を読むのが一番です。そこでは、まず低い「ハードウェア」レベルで、音をある方法で符号化し、この信号コードに変換して、より高いレベルで認識することが即座に始まります。この例えは不完全ですが、本質を捉えています。有用な情報の分離の原理は、ストリームのろ過（チャンキング）ではなく、ストリーム中の認識、すなわちストリームから最も適切な画像を選択するPIC認識ループの対応である。