차트를 엽니다 . 우리는 그것을 수동으로 상승 추세, 하락 추세, 우향 추세로 구분합니다. 본능에 따라 움직인다고 가정합니다. 우리는 이 분석을 Kohonen으로 구동하고 환상 클러스터링을 얻습니다. 이제 작업은 현재 순간에 기반한 클러스터를 가능한 한 빠르고 정확하게 인식하는 것입니다. 분석된 벡터의 차원이 초기 붕괴의 차원보다 작을 것이 분명하며, 시작된 움직임이 끝이 아니라 계속되기를 TA가 바라는 것은 남아 있다.
벡터 X1,X2 세트가 있습니다. X1={x1,x2,x3,} . 그리고 x1>>x3, x2>>x3. 두 벡터의 x1과 x2는 거의 같습니다.그런 다음 공간에서 이 두 벡터는 근처에 있을 것입니다. x3는 의 가장 중요한 특성을 설명하지만 . 램과 관련하여 x1=평균 기간, x2=RSI 기간, x3=분산, x4=추세 구성 요소. 그런 다음 이 경우 분류는 주로 x1 및 x2에서 발생합니다. 그러한 상황을 피하는 방법 또는 나는 다시 집중적으로 속도를 줄입니다.
벡터 세트 X1,X2 가 있습니다. X1={x1,x2,x3,} . 그리고 x1>>x3, x2>>x3. 두 벡터의 x1과 x2는 거의 같습니다.그런 다음 공간에서 이 두 벡터는 근처에 있을 것입니다. x3는 의 가장 중요한 특성을 설명하지만 . 램과 관련하여 x1=평균 기간, x2=RSI 기간, x3=분산, x4=추세 구성 요소. 그런 다음 이 경우 분류는 주로 x1 및 x2에서 발생합니다. 그러한 상황을 피하는 방법 또는 나는 다시 집중적으로 속도를 줄입니다.
작업은 시장을 Trend Top, Trend Down, Trend Wdoc 클러스터로 나누는 벡터를 선택하는 것입니다.
예를 들어, 우리는 환상 X{x1,x2,x3,x4,x5,x6,x7}에 따라 벡터 배열을 형성합니다.
х1= MA 기간
х2= RSI 기간
x3=MA 값
x4= RSI 값
x5=분산(예: 볼린저)
x6=추세 성분 MA(N)-MA(N-1)
х7=MA 및 가격 교차점의 수
또한 이러한 벡터의 배열이 Kohonen 맵에 의해 클러스터링되면 근처 벡터가 닫힙니다. 유클리드 거리는 x1, x2, x4, x7의 영향을 더 많이 받는 것으로 나타났습니다. x3, x5, x6의 특성은 더 중요하지 않더라도 덜 중요하지 않습니다. -1 ... 1 구간에 있는 모든 x를 어떤 식으로든 정규화하는 것이 가능하지만, 어떻게 해야할지 상상할 수 없습니다. 또는 가치가 가까운 시장의 특성을 취하면 파리와 미트볼을 비교할 수 있습니다.
작업은 시장을 Trend Top, Trend Down, Trend Wdoc 클러스터로 나누는 벡터를 선택하는 것입니다.
예를 들어, 우리는 환상 X{x1,x2,x3,x4,x5,x6,x7}에 따라 벡터 배열을 형성합니다.
х1= MA 기간
х2= RSI 기간
x3=MA 값
x4= RSI 값
x5=분산(예: 볼린저)
x6=추세 성분 MA(N)-MA(N-1)
х7=MA 및 가격 교차점의 수
또한 이러한 벡터의 배열이 Kohonen 맵에 의해 클러스터링되면 근처 벡터가 닫힙니다. 유클리드 거리는 x1, x2, x4, x7의 영향을 더 많이 받는 것으로 나타났습니다. x3, x5, x6의 특성은 더 중요하지 않더라도 덜 중요하지 않습니다. -1 ... 1 구간에 있는 모든 x를 어떤 식으로든 정규화하는 것이 가능하지만, 어떻게 해야할지 상상할 수 없습니다. 또는 가치가 가까운 시장의 특성을 취하면 파리와 미트볼을 비교할 수 있습니다.
나는 그 예가 완전히 성공적이지 않다는 데 동의합니다. 그런 다음 또 다른 - 우리는 키, 몸무게, 나이별로 나이든 말과 어린 농구 선수를 클러스터링합니다.새 개체가 자체 클러스터에 할당될 것이 분명해 보입니다. 이제 무게=1/실제 무게입니다. 키와 나이가 거의 일치하고 몸무게가 키와 나이보다 10배 적은 상황(파리와 커틀릿 비교). 이 경우 무게는 실제로 벡터에 영향을 미치지 않으며 농구 선수는 말과 구별할 수 없습니다.
아마도 어리석은 질문일 것입니다.
차원이 N과 같지 않은 벡터를 N 차원의 벡터로 조정된 Kohonen 맵 으로 분류하는 것이 가능합니까? 원칙적으로 사람은 원이 있는 공, 입방체가 있는 정사각형, 삼각형이 있는 피라미드를 1에 귀속할 것입니다. 수업. 아이디어가 명확하기를 바랍니다.
아마도 어리석은 질문일 것입니다.
차원이 N과 같지 않은 벡터를 N 차원의 벡터로 조정된 Kohonen 맵으로 분류하는 것이 가능합니까? 원칙적으로 사람은 원이 있는 공, 입방체가 있는 정사각형, 삼각형이 있는 피라미드를 1에 귀속할 것입니다. 수업. 아이디어가 명확하기를 바랍니다.
아니요, 아이디어가 명확하지 않습니다. 사람은 동일한 입력 매트릭스로 비디오 정보를 읽습니다. 눈의 수용체는 더 많거나 적게 되지 않습니다.
다른 차원의 벡터를 제공할 것을 제안합니다. 어떻게 그리드에서 적절한 답변을 기대할 수 있습니까 ???
아마도 어리석은 질문일 것입니다.
차원이 N과 같지 않은 벡터를 N 차원의 벡터로 조정된 Kohonen 맵으로 분류하는 것이 가능합니까? 원칙적으로 사람은 원이 있는 공, 입방체가 있는 정사각형, 삼각형이 있는 피라미드를 1에 귀속할 것입니다. 수업. 아이디어가 명확하기를 바랍니다.
원뿔을 아래에서 보면 원이고 옆에서 보면 삼각형이다
실린더도 회전 가능
원뿔을 아래에서 보면 원이고 옆에서 보면 삼각형이다
실린더도 회전 가능
죄송합니다. 저는 신경 게임을 처음 접하기 때문에 질문이 어리석은 것일 수 있습니다.
벡터 X1,X2 세트가 있습니다. X1={x1,x2,x3,} . 그리고 x1>>x3, x2>>x3. 두 벡터의 x1과 x2는 거의 같습니다.그런 다음 공간에서 이 두 벡터는 근처에 있을 것입니다. x3는 의 가장 중요한 특성을 설명하지만 . 램과 관련하여 x1=평균 기간, x2=RSI 기간, x3=분산, x4=추세 구성 요소. 그런 다음 이 경우 분류는 주로 x1 및 x2에서 발생합니다. 그러한 상황을 피하는 방법 또는 나는 다시 집중적으로 속도를 줄입니다.
죄송합니다. 저는 신경 게임을 처음 접하기 때문에 질문이 어리석은 것일 수 있습니다.
벡터 세트 X1,X2 가 있습니다. X1={x1,x2,x3,} . 그리고 x1>>x3, x2>>x3. 두 벡터의 x1과 x2는 거의 같습니다.그런 다음 공간에서 이 두 벡터는 근처에 있을 것입니다. x3는 의 가장 중요한 특성을 설명하지만 . 램과 관련하여 x1=평균 기간, x2=RSI 기간, x3=분산, x4=추세 구성 요소. 그런 다음 이 경우 분류는 주로 x1 및 x2에서 발생합니다. 그러한 상황을 피하는 방법 또는 나는 다시 집중적으로 속도를 줄입니다.
구체적인 예를 들어 특정 작업을 설정할 수 있습니까?
이렇게 하면 문제의 본질을 더 쉽게 이해할 수 있습니다.
구체적인 예를 들어 특정 작업을 설정할 수 있습니까?
이렇게 하면 문제의 본질을 더 쉽게 이해할 수 있습니다.
작업은 시장을 Trend Top, Trend Down, Trend Wdoc 클러스터로 나누는 벡터를 선택하는 것입니다.
예를 들어, 우리는 환상 X{x1,x2,x3,x4,x5,x6,x7}에 따라 벡터 배열을 형성합니다.
х1= MA 기간
х2= RSI 기간
x3=MA 값
x4= RSI 값
x5=분산(예: 볼린저)
x6=추세 성분 MA(N)-MA(N-1)
х7=MA 및 가격 교차점의 수
또한 이러한 벡터의 배열이 Kohonen 맵에 의해 클러스터링되면 근처 벡터가 닫힙니다. 유클리드 거리는 x1, x2, x4, x7의 영향을 더 많이 받는 것으로 나타났습니다. x3, x5, x6의 특성은 더 중요하지 않더라도 덜 중요하지 않습니다. -1 ... 1 구간에 있는 모든 x를 어떤 식으로든 정규화하는 것이 가능하지만, 어떻게 해야할지 상상할 수 없습니다. 또는 가치가 가까운 시장의 특성을 취하면 파리와 미트볼을 비교할 수 있습니다.
작업은 시장을 Trend Top, Trend Down, Trend Wdoc 클러스터로 나누는 벡터를 선택하는 것입니다.
예를 들어, 우리는 환상 X{x1,x2,x3,x4,x5,x6,x7}에 따라 벡터 배열을 형성합니다.
х1= MA 기간
х2= RSI 기간
x3=MA 값
x4= RSI 값
x5=분산(예: 볼린저)
x6=추세 성분 MA(N)-MA(N-1)
х7=MA 및 가격 교차점의 수
또한 이러한 벡터의 배열이 Kohonen 맵에 의해 클러스터링되면 근처 벡터가 닫힙니다. 유클리드 거리는 x1, x2, x4, x7의 영향을 더 많이 받는 것으로 나타났습니다. x3, x5, x6의 특성은 더 중요하지 않더라도 덜 중요하지 않습니다. -1 ... 1 구간에 있는 모든 x를 어떤 식으로든 정규화하는 것이 가능하지만, 어떻게 해야할지 상상할 수 없습니다. 또는 가치가 가까운 시장의 특성을 취하면 파리와 미트볼을 비교할 수 있습니다.
말 무리에 뒤섞여 사람... MA 기간, MA 값
문제를 조사하기 위해 미리 만들어진 프로그램과 그 도움을 먼저 사용해 볼 수 있습니까?
공제자, NS2
무리에 뒤섞인 말, 사람 ... MA 기간, MA 값
문제를 조사하기 위해 미리 만들어진 프로그램과 그 도움을 먼저 사용해 볼 수 있습니까?
공제자, NS2
나는 그 예가 완전히 성공적이지 않다는 데 동의합니다. 그런 다음 또 다른 - 우리는 키, 몸무게, 나이별로 나이든 말과 어린 농구 선수를 클러스터링합니다.새 개체가 자체 클러스터에 할당될 것이 분명해 보입니다. 이제 무게=1/실제 무게입니다. 키와 나이가 거의 일치하고 몸무게가 키와 나이보다 10배 적은 상황(파리와 커틀릿 비교). 이 경우 무게는 실제로 벡터에 영향을 미치지 않으며 농구 선수는 말과 구별할 수 없습니다.