다음 막대를 예측하기 위해가 아니라 네트워크 오류 수를 계산하기 위해 다른 방향으로 문제를 해결하려고 했습니까? 저것들. 그리드는 최근 이력에서 어떤 패턴(트렌드)을 찾아 현재 바에 이 패턴이 유지되는지 확인합니다. 패턴이 작동을 멈춘 경우(네트워크가 너무 자주 실수하기 시작함) 추세가 바뀌고 있는 것입니다. 따라서 시장 진입점을 찾을 수 있습니다.
따라서 오류를 찾으려면 먼저 무언가를 가르쳐야 합니다.) 나는 여전히 간단한 방법으로 실험하고 있습니다. 예를 들어, 특정 수준의 감소에서 또는 단순히 n 이후에 다시 학습할 수 있도록 합니다. -바. 학습할 때 오래 기다리지 않기 위해(Open Cl 없이는 오랫동안 이렇게 함) 소량의 샘플을 채취하여 자주 재학습합니다.
Sergey Chalyshev : 일부 발턴. 훈련 기간 동안 신경망이 보여주는 것을 누구든지 보여줄 수 있습니까?
2개의 NN이 같은 것을 학습하지만 다른 TF에서 학습합니다. 12개의 입력, 은닉층의 10개의 뉴런, 각각 1개의 출력. 50개의 히스토리 막대에서만 훈련되며 테스트 중에 재훈련되지 않습니다. 하지만 저는 그냥 배우는 중입니다. 이것은 중간 옵션입니다. 훈련 세트 외부의 샘플을 테스트합니다.
2개의 NN이 같은 것을 학습하지만 다른 TF에서 학습합니다. 12개의 입력, 은닉층의 10개의 뉴런, 각각 1개의 출력. 50개의 히스토리 막대에서만 훈련되며 테스트 중에 재훈련되지 않습니다. 하지만 저는 그냥 배우는 중입니다. 이것은 중간 옵션입니다. 훈련 세트 외부의 샘플을 테스트합니다.
포럼에는 기성 솔루션에 대한 정보와 시장에서 거래하기 위한 신경망의 효율성에 대한 정보가 거의 없습니다. 여기에서 귀하의 경험을 토론하고 공유하도록 초대합니다. 토론이 있는 스레드가 이미 있는 경우 링크하십시오.
나는 일반적인 다층 퍼셉트론 인 here의 클래스를 사용합니다. 나는 수업이 모든 것을 올바르게 고려하기를 바랍니다. 나는 저자의 경험에 의존합니다. 실험을 시작했는데 재미있네요 :)
현재 나는 입구에 11마리의 칠면조가 있고 출구에는 지그재그로 1바씩 미래로 이동합니다.
이것은 8개월 동안 그리드가 제공한 결과입니다. 나는 1000개의 막대, 10000개의 에포크, 은닉층의 70개의 뉴런에 대해 훈련합니다. 신호는 추가 필터 없이 순전히 신경망에 의해 반전됩니다. 15분
저도 2013년에 비슷한 알고리즘을 구현하려고 했는데... 사실, 7개의 지표를 사용했고 지그재그를 사용하여 NN의 학습 벡터를 구성했습니다. 그러나 본질은 동일합니다. 저는 역포지션을 찾고 있었습니다. 지표의 데이터나 지표의 거래 신호로는 좋은 결과가 없었습니다. 우연히 패턴을 발견하기 전까지는. 내 차량을 근본적으로 변화시킨 것. 이제 내 알고리즘이 더 간단해졌습니다.
1. 작년의 분 및 시 시간대 패턴 계산
2. 전환점 사전 편집 (쌍 "분 패턴 - 시간 패턴");
3. 전환점 사전에 따라 NS 교육(150-160 쌍)
내 접근 방식의 결과는 다음과 같습니다.
내 접근 방식의 단점 :
1) TS의 높은 위험 - 할인 가격의 값을 정확하게 결정할 수 없기 때문에 TS는 1, 1, 3, 6, 14, 31, 70, 158, 355의 로트가 있는 9개의 보류 주문을 배치합니다.
그럼 보여주세요. 매우 흥미롭습니다. 세부 정보, 뉴런 수, 입력 수, 훈련 예제 수 등을 포함하는 것이 좋습니다.
그럼 혼돈) 양 고추 냉이 무는 더 달지 않습니다.
다음 막대를 예측하기 위해가 아니라 네트워크 오류 수를 계산하기 위해 다른 방향으로 문제를 해결하려고 했습니까? 저것들. 그리드는 최근 이력에서 어떤 패턴(트렌드)을 찾아 현재 바에 이 패턴이 유지되는지 확인합니다. 패턴이 작동을 멈춘 경우(네트워크가 너무 자주 실수하기 시작함) 추세가 바뀌고 있는 것입니다. 따라서 시장 진입점을 찾을 수 있습니다.
그럼 혼돈) 양 고추 냉이 무는 더 달지 않습니다.
그럼 보여주세요. 매우 흥미롭습니다. 세부 정보, 뉴런 수, 입력 수, 훈련 예제 수 등을 포함하는 것이 좋습니다.
Combinator에 대해 답변드리겠습니다.
여기 곡선이 있습니다. 뉴런 수 - 임의. 입력 수 - 임의. 교육 예의 수 - 모두. 그리고 다른 모든 것 - 수량에 관계없이.
Combinator에 대해 답변드리겠습니다.
여기 곡선이 있습니다. 뉴런 수 - 임의. 입력 수 - 임의. 교육 예의 수 - 모두. 그리고 다른 모든 것 - 수량에 관계없이.
일부 발턴. 훈련 기간 동안 신경망이 보여주는 것을 누구든지 보여줄 수 있습니까?
2개의 NN이 같은 것을 학습하지만 다른 TF에서 학습합니다. 12개의 입력, 은닉층의 10개의 뉴런, 각각 1개의 출력. 50개의 히스토리 막대에서만 훈련되며 테스트 중에 재훈련되지 않습니다. 하지만 저는 그냥 배우는 중입니다. 이것은 중간 옵션입니다. 훈련 세트 외부의 샘플을 테스트합니다.
2개의 NN이 같은 것을 학습하지만 다른 TF에서 학습합니다. 12개의 입력, 은닉층의 10개의 뉴런, 각각 1개의 출력. 50개의 히스토리 막대에서만 훈련되며 테스트 중에 재훈련되지 않습니다. 하지만 저는 그냥 배우는 중입니다. 이것은 중간 옵션입니다. 훈련 세트 외부의 샘플을 테스트합니다.
볼륨이 다른 이유는 무엇입니까?
밑에서부터? 이것은 볼륨이 아니라 자유 마진의 수준입니다.
포럼에는 기성 솔루션에 대한 정보와 시장에서 거래하기 위한 신경망의 효율성에 대한 정보가 거의 없습니다. 여기에서 귀하의 경험을 토론하고 공유하도록 초대합니다. 토론이 있는 스레드가 이미 있는 경우 링크하십시오.
나는 일반적인 다층 퍼셉트론 인 here의 클래스를 사용합니다. 나는 수업이 모든 것을 올바르게 고려하기를 바랍니다. 나는 저자의 경험에 의존합니다. 실험을 시작했는데 재미있네요 :)
현재 나는 입구에 11마리의 칠면조가 있고 출구에는 지그재그로 1바씩 미래로 이동합니다.
이것은 8개월 동안 그리드가 제공한 결과입니다. 나는 1000개의 막대, 10000개의 에포크, 은닉층의 70개의 뉴런에 대해 훈련합니다. 신호는 추가 필터 없이 순전히 신경망에 의해 반전됩니다. 15분
저도 2013년에 비슷한 알고리즘을 구현하려고 했는데... 사실, 7개의 지표를 사용했고 지그재그를 사용하여 NN의 학습 벡터를 구성했습니다. 그러나 본질은 동일합니다. 저는 역포지션을 찾고 있었습니다. 지표의 데이터나 지표의 거래 신호로는 좋은 결과가 없었습니다. 우연히 패턴을 발견하기 전까지는. 내 차량을 근본적으로 변화시킨 것. 이제 내 알고리즘이 더 간단해졌습니다.
1. 작년의 분 및 시 시간대 패턴 계산
2. 전환점 사전 편집 (쌍 "분 패턴 - 시간 패턴");
3. 전환점 사전에 따라 NS 교육(150-160 쌍)
내 접근 방식의 결과는 다음과 같습니다.
내 접근 방식의 단점 :
1) TS의 높은 위험 - 할인 가격의 값을 정확하게 결정할 수 없기 때문에 TS는 1, 1, 3, 6, 14, 31, 70, 158, 355의 로트가 있는 9개의 보류 주문을 배치합니다.
2) 출구 알고리즘(TS 트롤)을 구현하기 어렵다.
따라서 NN은 거래에 사용할 수 있지만 문제는 NN을 가르치는 것입니다...
P/s: 패턴이란 A. Merrill(M & W)의 패턴을 의미합니다.