double out_net; //네트워크 결과doubleout[2]; //뉴런의 첫 번째 레이어 결과out[0]=CalculateNeuron(inputs0,weight0); //첫 번째 레이어에서 첫 번째 뉴런 계산하기out[1]=CalculateNeuron(inputs1,weight1); //첫 번째 레이어에서 두 번째 뉴런 계산하기
out_net=CalculateNeuron(out,weight2); //네트워크의 출력 뉴런 계산하기
훌륭한 글입니다. 그러나 이 방법은 결과인 커브 피팅으로 이동합니다. 결국 실제 계정 라이브 테스트는 실망스러울 수 있습니다. 이 글에서 제공한 정보는 AI를 시작하는 방법을 이해하고자 하는 분들에게 유용하지만, 곡선 피팅 방법에서 벗어나기 위해서는 더 나은 구현 방법을 찾아야 합니다. 모든 트레이딩 시스템은 변화하는 시장 상황을 반영할 수 있는 동적 매개변수를 사용할 수 있어야 합니다. 그렇지 않으면 EA는 매우 짧은 시간 내에 구식이 되어 계좌 잔고가 0이 될 수 있습니다. 따라서 입력은 매우 신중하게 설계해야 합니다. 중요한 것은 입력의 설계이며 출력이 어떤 모습일지 알아야 합니다. AI는 아무거나 입력하면 훌륭한 출력이 나오는 것이 아닙니다. AI 개발자들이 흔히 하는 말이 "쓰레기 입력, 쓰레기 출력"입니다.
훌륭한 글입니다!!!
2 개 이상의 뉴런 시스템의 예에 대한 질문 만 열려 있습니다.
누군가 2, 3 뉴런 어드바이저의 간단한 예시를 가지고 있을까요?
훌륭한 글입니다!!!
2 개 이상의 뉴런 시스템의 예에 대한 질문 만 열려 있습니다.
누군가 2, 3 뉴런 어드바이저의 간단한 예시를 가지고 있을까요?
이 문제에 대한 두 번째 기사를 작성할 계획이었지만 아직 시간이 없습니다.
이 디자인을 시도해보세요.
아이디어는 명확하다고 생각합니다.이 디자인을 사용해 보세요.
아이디어를 얻으셨을 겁니다.아주 명확합니다, 감사합니다!
여기서 무게 계수의 수는 각 뉴런마다 두 배가되지만 창의성의 문제입니다 :).
기사를 기다리겠습니다!
새 문서 신경망: 이론에서 실제까지가 게시되었습니다:
Author: Дмитрий
안녕하세요, 기사에 대해 대단히 감사합니다. (,) 쉼표를 부동 소수점으로 변경할 수 있을까요?
훌륭한 기사입니다.
몇 가지 질문이 있습니다...
뉴런 1개 예제에서 입력은 RSI 지표의 마지막 10개 주기 값입니다. 따라서 해당 뉴런의 출력은 단순히 마지막 10 개의 RSI 값에 대한 정교한 형태의 가중 평균이 될 것인데, 이것이 실제로 지표 데이터가 사용되는 방식입니까?
예를 들어 3개의 지표를 입력으로 사용하고자 할 경우, 글에서 2계층 뉴런으로 이어지는 방식으로 3개의 뉴런을 구현할 예정인가요, 아니면 단순히 3개의 지표 각각의 마지막 값을 하나의 뉴런에 입력으로 사용할 예정인가요?
다른 질문은 다중 계층 네트워크에서 첫 번째 계층의 데이터가 어쨌든 -1,1 또는 0,1 범위에 있다는 점을 감안할 때 두 번째 계층에 입력하기 위해 여전히 첫 번째 계층의 데이터를 정규화해야합니까?
많은 감사
결과를 모방하려고 시도한 사람이 있나요?
모든 시도는 포워드 결과의 하향 밸런스를 초래합니다.
또한 처리된 틱 수가 일치하지 않아 그림에 표시된 것의 거의 절반에 불과합니다.
한 가지 주목할 만한 점은 전달 옵션을 비활성화하면 2012.01.02~2012.09.14 기간의 틱 수 17331개가 정확히 일치한다는 것입니다. 흠...
신경망의 기본 개념을 쉽게 이해할 수 있는 좋은 기사입니다 . 많은 도움이 되었습니다. 감사합니다!
감사합니다.
이 개념을 사용한 흥미로운 예시입니다. https://www.mql5.com/ko/code/1649
새 문서 신경망: 신경망: 이론에서 실제까지가 출간되었습니다:
Author: Дмитрий
기사의 기초가 되는 가장 좋은 예는 https://www.mql5.com/ko/code/1649 입니다,
볼린저 밴드를 사용하는 대부분의 트레이더는 볼린저 폭 기반 EA를 찾고 있습니다,
내가 게시 한 EA는 볼린저 밴드의 너비를 제공하고 iCustom 지표를 사용하지 않으며 모든 계산은 볼린저 밴드 지표를 기반으로 수행되었습니다,
신경망 방법을 사용하면 폭 EA 거래, 그것의 브레이크 아웃 때, 당신은 볼 수 있습니다.
정말 흥미로운 것은 직접 보는 것입니다.
훌륭한 글입니다. 그러나 이 방법은 결과인 커브 피팅으로 이동합니다. 결국 실제 계정 라이브 테스트는 실망스러울 수 있습니다. 이 글에서 제공한 정보는 AI를 시작하는 방법을 이해하고자 하는 분들에게 유용하지만, 곡선 피팅 방법에서 벗어나기 위해서는 더 나은 구현 방법을 찾아야 합니다. 모든 트레이딩 시스템은 변화하는 시장 상황을 반영할 수 있는 동적 매개변수를 사용할 수 있어야 합니다. 그렇지 않으면 EA는 매우 짧은 시간 내에 구식이 되어 계좌 잔고가 0이 될 수 있습니다. 따라서 입력은 매우 신중하게 설계해야 합니다. 중요한 것은 입력의 설계이며 출력이 어떤 모습일지 알아야 합니다. AI는 아무거나 입력하면 훌륭한 출력이 나오는 것이 아닙니다. AI 개발자들이 흔히 하는 말이 "쓰레기 입력, 쓰레기 출력"입니다.