記事"MetaTrader 5での自己組織化機能マップ(Kohonenマップ)の使用"についてのディスカッション - ページ 6 123456 新しいコメント Igor Makanu 2019.09.26 11:31 #51 Evgeniy Scherbina: 人は常に自分が見たいものを見る。 コホーネンの 自己組織化マップ」の訳が正しいかどうか--その訳に余地があったかどうか--について議論する気にはまったくなれない： Evgeniy Scherbina: コホーネンマップが予測できなければ、誰もニューラルネットワークとは呼ばないだろうと思っていた。 S.オソフスキーからの引用」について議論することにまったく興味がないのと同じように。Osovskyからの引用 "を議論することに全く興味がないように、練習が示すように - 英語のリソースからの作品の転載がrunetで優勢であり、私はOsovskyが彼自身の仕事を書いたことを確信していない、と私は作家ではなく、フォーラムのメンバーと議論？ このトピックに関する私の検索をrunetのリンクに示しましたが、権威のある、私の意見では、サイトBaseGroup Labsにも確認はありません....... .... ok, I'm done - I don't want to repeat myself, just predict )))). Mr Patoin 2019.09.27 04:01 #52 ---:変更点のリスト1. 関数 cIntBMP::Show(int aX, int aY, string aBMPFileName, string aObjectName, boolaFromImages=true) の小さな変更 2. メインスクリプトに追加。CSOM クラスの変更点1.CSOM::HideChart 関数を追加 - チャートやグリッドなどを背景色の下に薄暗くする 2.パラメータm_chart, m_wnd, m_x0, m_y0 を追加 - 地図をどのチャート、どのウィンドウに表示するかを示す。+ オブジェクト名の 接頭辞m_sID を 追加。接頭辞はファイル名によって自動的に取られ、そうでない場合は "SOM" が割り当てられる 3. マップはm_sID という名前のフォルダに書き込まれる 4. bmp ファイル 名は、トレーニングパターン列の 名前によって与えられる。 4.CSOM::ShowBMP 関数を変更 - マップは Images フォルダにコピーされず、Files に残る（そうしないと非常に時間がかかる） 5.CSOM::NetDeinit 関数の代わりにCSOM::HideBMP 関数を追加 7.CSOM::ReadCSVData 関数が、最初の カラムが名前カラムになるようにファイルを読み込むように再設定された 6.CSOM::Train 関数に中間マップを表示するフラグを追加CSOM::Train( boolbShowProgress) 8.CSOM::Train 関数において、中間データを繰り返し表示する代わりに2秒毎に表示するようにしました。 また、進捗通知をログからCommentに 移動しました。 9.いくつかの変数名が短縮され、関数が分類されました。Bmpレンダリングは処理を非常に遅くする。ですから、むやみに使わないほうがいいでしょう。 この例では、マップはExpert Advisorの最適化データに基づいています。 Evgeniy Scherbina 2019.09.28 09:23 #53 コホネン・マップは、大量の異なるデータを分類するのに適している。例えば、100種類の動物。この場合、毛色という1つのパラメータで分類する必要がある。このアプローチの数学では、異なるパラメーターを一緒にすることはできない。 このようなアプローチは、FXの意思決定においては限りなく愚かである。想像してみてほしい。1つのパラメータによる分類は、「買う」か「買わない」かの決断を下すことに還元される。そうすれば、コホネン・マップに2つのノードを作ることができる。もちろん、1万個のノードを作って、ああ、なんて美しい色なんだろうと、この地図を欲望のままに眺めるマスタドントもいるだろう。 ここでは、標準的なMT5 Expert Advisorの期間とシフトの例を示します - 平滑化期間のための別のコホネンマップ（ネットワーク？これをどうするか、じっくり考えてみてください。 多層ペルセプトロンはブラックボックスで、すべてが正しく行われていれば、さまざまなパラメータを入力する必要があり、出力では閾値以上（「はい」という答え）か閾値未満（「いいえ」という答え）という明確な答えを得ることができる。この方が私には合っている。 機械学習のトピックに関する本を何冊か読んだ後、いつも繰り返される考え方があることに気づいた。各タスクには、データの研究、データの準備、ネットワークの構造の発見、そしてネットワークのチューニングが極めて個別に必要なのだ。言い換えれば、FXや「買う」「買わない」の判断に適さない選択肢があるということだ。コホーネンのマップはこれに適していないと思う。 私たち才能のある人間は、間違うことも多いが、間違いこそが才能の最大の長所なのだから。 123456 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
人は常に自分が見たいものを見る。
コホーネンの 自己組織化マップ」の訳が正しいかどうか--その訳に余地があったかどうか--について議論する気にはまったくなれない：
コホーネンマップが予測できなければ、誰もニューラルネットワークとは呼ばないだろうと思っていた。
S.オソフスキーからの引用」について議論することにまったく興味がないのと同じように。Osovskyからの引用 "を議論することに全く興味がないように、練習が示すように - 英語のリソースからの作品の転載がrunetで優勢であり、私はOsovskyが彼自身の仕事を書いたことを確信していない、と私は作家ではなく、フォーラムのメンバーと議論？
このトピックに関する私の検索をrunetのリンクに示しましたが、権威のある、私の意見では、サイトBaseGroup Labsにも確認はありません.......
.... ok, I'm done - I don't want to repeat myself, just predict )))).
変更点のリスト
1. 関数 cIntBMP::Show(int aX, int aY, string aBMPFileName, string aObjectName, boolaFromImages=true) の小さな変更
2. メインスクリプトに追加。
CSOM クラスの変更点
1.CSOM::HideChart 関数を追加 - チャートやグリッドなどを背景色の下に薄暗くする
2.パラメータm_chart, m_wnd, m_x0, m_y0 を追加 - 地図をどのチャート、どのウィンドウに表示するかを示す。
+ オブジェクト名の 接頭辞m_sID を 追加。接頭辞はファイル名によって自動的に取られ、そうでない場合は "SOM" が割り当てられる
3. マップはm_sID という名前のフォルダに書き込まれる
4. bmp ファイル 名は、トレーニングパターン列の 名前によって与えられる。
4.CSOM::ShowBMP 関数を変更 - マップは Images フォルダにコピーされず、Files に残る（そうしないと非常に時間がかかる）
5.CSOM::NetDeinit 関数の代わりにCSOM::HideBMP 関数を追加
7.CSOM::ReadCSVData 関数が、最初の カラムが名前カラムになるようにファイルを読み込むように再設定された
6.CSOM::Train 関数に中間マップを表示するフラグを追加CSOM::Train( boolbShowProgress)
8.CSOM::Train 関数において、中間データを繰り返し表示する代わりに2秒毎に表示するようにしました。
また、進捗通知をログからCommentに 移動しました。
9.いくつかの変数名が短縮され、関数が分類されました。
Bmpレンダリングは処理を非常に遅くする。ですから、むやみに使わないほうがいいでしょう。
コホネン・マップは、大量の異なるデータを分類するのに適している。例えば、100種類の動物。この場合、毛色という1つのパラメータで分類する必要がある。このアプローチの数学では、異なるパラメーターを一緒にすることはできない。
このようなアプローチは、FXの意思決定においては限りなく愚かである。想像してみてほしい。1つのパラメータによる分類は、「買う」か「買わない」かの決断を下すことに還元される。そうすれば、コホネン・マップに2つのノードを作ることができる。もちろん、1万個のノードを作って、ああ、なんて美しい色なんだろうと、この地図を欲望のままに眺めるマスタドントもいるだろう。
ここでは、標準的なMT5 Expert Advisorの期間とシフトの例を示します - 平滑化期間のための別のコホネンマップ（ネットワーク？これをどうするか、じっくり考えてみてください。
多層ペルセプトロンはブラックボックスで、すべてが正しく行われていれば、さまざまなパラメータを入力する必要があり、出力では閾値以上（「はい」という答え）か閾値未満（「いいえ」という答え）という明確な答えを得ることができる。この方が私には合っている。
機械学習のトピックに関する本を何冊か読んだ後、いつも繰り返される考え方があることに気づいた。各タスクには、データの研究、データの準備、ネットワークの構造の発見、そしてネットワークのチューニングが極めて個別に必要なのだ。言い換えれば、FXや「買う」「買わない」の判断に適さない選択肢があるということだ。コホーネンのマップはこれに適していないと思う。
私たち才能のある人間は、間違うことも多いが、間違いこそが才能の最大の長所なのだから。