記事"ニューラル ネットワーク: EAの自己最適化"についてのディスカッション

新しいコメント
 

新しい記事 ニューラル ネットワーク: EAの自己最適化 はパブリッシュされました:

ポジションを最適化し、コードのコマンドに従って定期的に条件を終了するEAを開発します。ニューラル ネットワーク (多層パーセプトロン) を分析し、戦略を実現するためのモジュールの形式で実装します。毎月 (毎週、毎日、または毎時) ニューラル ネットワークを最適化する EAを作成します。したがって、自己最適化 EA を開発します。

ライブラリ ファイルと関数の数百のうち、次のものに関心があります。

パッケージ 
 説明 
alglib.mqh
 主なライブラリのパッケージには、カスタム関数があります。ライブラリを操作するため、関数を呼び出す必要があります。
dataanalysis.mqh データ分析のクラス:
  1. CMLPBase — 多層パーセプトロン。
  2. CMLPTrain — 多層パーセプトロンのトレーニング。
  3. ニューラル ネットワークの CMLPE-を設定します。

作者: Jose Miguel Soriano

 

目標関数の自己最適化は残念ながら見られなかった。

 

翻訳ミスかもしれないが、理解できない：

ニューラルネットワークに何を教えているのか？

何が入力で何がターゲットなのか？

いったい何を最適化しているのか？

とりとめのない記事だ。

MT5でAlgligを使うメリットはここまで。

 
<br/ 翻訳="no">。
Expert Advisorの作成に 特化した記事で、テスターやデモでの取引の結果を見てみたい。そうでなければ、また真空の中の球形の馬だ。トレードにおけるニューラルネットワークの使用に関する記事は1つもない。理論だけだ。
 

情報おめでとう、

スクリプトが抜けていた。

 

こんにちは、ありがとうございます、

MT4でこれを使うにはどうしたらいいですか？

 
記事へのコメント
1.ニューラルネットワークは最適化しない！(一般的にどんな機械学習モデルも)訓練され、テストされ、さらに訓練することができる。
2.データの準備。入出力データセットを正規化する前に、必要な割合で訓練/テスト、場合によっては有効な部分に分ける必要がある。正規化パラメータは訓練セットで定義される！ 分類問題を解くとき、分割は（できれば）層化されるべきである。もちろん、クラスの不均衡も考慮する。
この記事には具体的な入力データと出力データは書かれていませんが、次の一節があります：""変数 "nVelasPredic "は、n本先のロウソクについてこれらの指標値を外挿することを可能にします。 は無言の疑問を投げかける。
つまり、CMatrixDoubleクラスの "arDatos "配列の各行は、ストラテジーで使用される入力データまたは指標値の数だけ列を持ち、ストラテジーで定義される出力データの数だけ列を持つことになる。"というセクションの最後の段落です。そして、どれだけの出力データが定義されているのだろうか？推測できるように、回帰問題は解決され、出力の数＝1である。
一般に、スリーパーの入力データと出力データは抽象的なものであり、それにもかかわらずRMSE学習誤差が与えられている。
3.「入出力データのオーバーサンプリング。
"データ配列内の値の継承に伴う傾向を避けるために、配列内の行の順序を任意に変更（並び替え）することができる。これを行うには、関数 "barajaDatosEntra" を適用します。この関数は、CMatrixDouble 配列の行を走査し、各行に対して新しいターゲット行を定義します。
分類問題では、行をランダムにシャッフルする（オーバーシュートしない）ことが望ましいですが、回帰問題ではその必要はありません。
4.「3.6.ニューラルネットワークのトレーニング/最適化".繰り返しになるが、ニューラルネットワークは最適化も調整もされない。今日、非常に多くのトレーニング方法があります。それぞれに長所と短所がある。
「私が行ったテストでは、トレーニング・エポック数を増やしても結果の改善は見られなかった。"
"これらのアルゴリズムは、訓練サイクルの繰り返し（変数 "ciclosEntrena"）が結果の誤差にほとんど影響を与えないようにチューニングを実行する。"バックプロパゲーション "アルゴリズムとは異なり、繰り返しによって結果の精度が大きく変わってしまう。"
ニューラルネットワークがトレーニングエポック数を変えても反応しない場合 - それは失敗したニューラルネットワークです。
"35、45、10、2ニューロンを持つ4層のネットワークと2000行の入力行列は、上記の関数を使用して4～6分（I5、コア4、RAM 8GB）で最適化でき、誤差は2～40万分の1（4x10^-5）である。"- この記事からわかるように、あなたは学習誤差について話している。しかし、明らかにあなたが行っていないテストの誤差こそ、そのことを示している。インプットとアウトプットの具体的なデータがなければ、あなたが示した数字は何の意味もなさない。それに、この記事には、トレーニング中の出力データのシフトについては書かれていない。
5."3.7 ネットワークを保存する..."
さらなる作業のためには、ネットワークそのものだけでなく、訓練セットで得られた正規化パラメータも保存する必要がある。さもなければ、それ以降の作業は時間の無駄になる。
"この関数(respuestaRed())は、訓練行列の出力データに適用される正規化を変更することができるはずである。" どうやって？正規化パラメータは学習段階で設定され、テストや予測段階で変更することはできません。
6.「自己最適化」 ここには最適化も自己最適化もない。 ニューラルネットワークが新しいデータに対して定期的に学習しているのだ。

要約すると、プログラミングの練習としては役に立つかもしれないが、ニューラルネットワークの作成と使用に関するトピックのガイドとしては絶対に受け入れられない。著者（あるいは翻訳者）は、ユーザーを誤解させないように、この分野で確立された用語や定義にこだわるべきだ。また、出版前に文章を事前にチェックすることは非常に望ましいことだと思う。本文を説明するグラフや図面がないことについて言っているのではない。それらがなければ、それはただのコードである。

幸運を祈る。




 

Alexey Volchanskiy:
Хотелось бы в статьях, посвященных созданию советников, увидеть результаты в тестере и торговли на демо. А то опять сферический конь в вакууме. Еще не одной дельной статьи по использованию нейросетей в трейдинге не было. Одни теории.

この発言は強いが、根拠はない。

少なくとも私の）記事の付録には、Expert Advisorのコードがあります。デモで試してみてください。それとも他人の写真を信じたいのですか？怠けずに試してみてください。

記事の目的は、Expert Advisorsに適用できる新しいアイデア、方法、手法を提供することです。しかし、生産的な仕事をするかどうかはあなた次第です。美しい写真に魅了されるのは、市場においてである。

幸運を祈る。

 
お疲れさまでした！ 私にとって非常に深いものでした。
 
この分野でのあなたの貢献に感謝するばかりです。

よろしくお願いします。
 
MetaQuotes Software Corp.:

新しい記事 Neural Networks: Intelligent Trading Systems Self-Optimising が掲載されました：

ホセ・ミゲル・ソリアーノ 著

共有に感謝
123
新しいコメント