이 과정은 흥미로운 것으로 판명되었습니다... 사실, 이 연산자를 사용하면 모든 가중치를 +/-0.005 0 부근으로 축소합니다. 다음 주기의 학습 과정에서 다시 "실행"을 시작합니다.
각 카운트에서 한 번 발생하는 일종의 "학습 충동"이 나타납니다.
물론 매 epoch마다 가중치를 적용하는 것은 이치에 맞지 않습니다. 한 epoch는 매끄러운 벡터(예: 5-term 당신이 그리드 테스트를 위해 나에게 준 사인). 나는 네트워크를 훈련하는 데 필요한 최적의 epoch 수를 남쪽 이라고 제안합니다. 시스템 의 유가 (N epoch)는 각 예측 전에 한 번 발생하므로 각 유가 가 끝날 때(일기 예보 후) 시도하는 것이 좋습니다 ... 이론상 지식의 "연속성"은 보존되어야 합니다 새로운 벡터는 이전 벡터와 한 번만 다르기 때문에 매우 점진적으로 손실됩니다.
그리고 또 하나의 생각이 있습니다. 최적의 가중치 범위의 한계에 대한 주제를 다룹니다. 제 생각에는 +/- ln(D) 를 제한 범위로 시도해야 합니다. 제 가정을 설명하겠습니다.
(내가 당신과 이야기를 시작하기 전에) 나는 유전학에서 단층 퍼셉트론을 쫓는 데 많은 시간(심지어 며칠)을 보냈습니다. 이 매혹적이지만 무의미한 연습을 하는 동안 성공적으로 연마된 모델의 가중치가 +/-(2.5 : 3.0)를 초과하는 경우가 거의 없고 해당 퍼셉트론에 최대 8개의 입력이 있다는 것을 알아차렸습니다. 그런 다음 두 번째 또는 g*th(w) 를 적용하기 위한 대체 모멘트, 가중치 중 하나가 허용 오차 범위 +/- ln(D) 에 도달합니다.
여기에 Fedor , 한 가지 중요한 트릭이 있습니다. 일부 입력 벡터에 대해 훈련된 NN이 있는 경우 조정된 모든 가중치에 th() 연산자를 적용하면 지식이 파괴되지 않고 가중치가 정의된 영역만 압축됩니다. . 이것은 NN의 컴퓨팅 성능을 절약하고 시장 프로세스의 가능한 준정상성을 활용하는 "포화" 효과를 제거할 수 있는 중요한 포인트입니다.
Matkadovsky 형식으로 데이터를 내보내는 것과 관련하여 더 쉬운 것은 없습니다. 견적 아카이브로 이동하여 필요한 견적에서 내보내기 버튼을 누릅니다. 컨텍스트 메뉴에서 "ASCII 텍스트(*.prn)" 옵션을 선택하고 파일을 저장할 경로를 지정하면 됩니다. 이것은 기본 Matkadovsky 형식입니다. Matkad에서는 Open=READPRN("FileName.prn")<2> 파일에서 읽습니다. 선택한 TF의 시가에 해당하는 두 번째 열만 파일에서 읽고 있다는 두 가지 수단(명령의 위 첨자에 괄호와 함께, 대시보드 참조)이 있습니다 (잠시만 기다려 주십시오).
지식의 "연속성"은 이론적으로 보존되어야 하며 새로운 벡터가 이전 벡터와 한 번만 다르기 때문에 매우 점진적으로 손실될 것입니다.
다음은 주제에 대해 떠오른 내용입니다.
얼마 전 나는 "정확한" 훈련, 단일 뉴런, 뉴런의 입력 수와 동일한 길이의 벡터로 훈련(일정한 편향 없이 - 그렇지 않음) P=w로 플레이했습니다. 그냥 재미로 했어요. 이 공식에서 그리드는 훈련 샘플에서 원하는 만큼 정확하게 훈련될 수 있다는 것이 분명합니다(조정 가능한 매개변수의 수는 선형 방정식의 수와 동일함). 그래서 저는 ORO에 신경 쓰지 않았지만 몇 초 만에 뉴턴의 방법으로 선형 대수 방정식 시스템을 풀어서 가중치의 정확한 값 . 그 효과는 놀랍습니다. 1000개의 입력이 있는 퍼셉트론을 사용하고 잠시 후 가중치 값을 얻습니다. 이 가중치 값은 길이가 1000개 샘플인 1000개 훈련 벡터에 대해 각각 "0"의 훈련 오류를 제공합니다! 상상할 수 있니? - Matrix 1000x1000 그리고 한 번의 실수도 아닌! 우리는 이 행렬에 하나의 작은 요소만 추가하는 것처럼 보일 것입니다. 새 카운트(한 단계 앞서 예측하려고 함)이고 특별한 일은 일어나지 않아야 합니다. 그리드는 여전히 +1 또는 -1로 잘 표시되며, 아마도 핀치에서 추측하지 못할 수도 있습니다. 그러나 결과는 실망스럽습니다. 1000000개의 이전 판독값에 대한 이 그리드가 매번 과녁을 맞추면 여기에서 바로 - 스페이스로 - 대신 +/-1 - 4872365695. 어떻게! 그리고 당신은 "단 하나의 카운트"라고 말합니다 ...
단어를 사용할 수 있습니다 ...
얼마 전에 나는 현실의 새로운 패러다임을 공식화했습니다... -:) 그것은 증명도 반증도 불가능합니다.
여기 그녀가 있습니다:
규칙성 - 임의성의 존재 방식입니다(즉, 특별한 경우). 그 반대는 일반적으로 사실이 아닙니다.
여기에서:
1. 지각된 현실은 규칙성의 공간(국부적 변동)에서 무작위성의 흐름이거나 무작위성의 공간에서 규칙성의 흐름(주체를 느끼는 의도)입니다.
2. 따라서. 첫 번째는 지각의 현상으로서의 실재(우주)는 그 자체로 임의성이나 규칙성을 포함하지 않는다는 것이다. 둘 다 인간의 관념을 초월한 자연의 현현이다.
그래서 우리는 "스트리밍"할 수 있습니다 ...-:)
여기에서 g * th(w) 에 대해 조금 더 생각했습니다. 여기서 g = 0.005
이 과정은 흥미로운 것으로 판명되었습니다... 사실, 이 연산자를 사용하면 모든 가중치를 +/-0.005 0 부근으로 축소합니다. 다음 주기의 학습 과정에서 다시 "실행"을 시작합니다.
각 카운트에서 한 번 발생하는 일종의 "학습 충동"이 나타납니다.
물론 매 epoch마다 가중치를 적용하는 것은 이치에 맞지 않습니다. 한 epoch는 매끄러운 벡터(예: 5-term 당신이 그리드 테스트를 위해 나에게 준 사인). 나는 네트워크를 훈련하는 데 필요한 최적의 epoch 수를 남쪽 이라고 제안합니다. 시스템 의 유가 (N epoch)는 각 예측 전에 한 번 발생하므로 각 유가 가 끝날 때(일기 예보 후) 시도하는 것이 좋습니다 ... 이론상 지식의 "연속성"은 보존되어야 합니다 새로운 벡터는 이전 벡터와 한 번만 다르기 때문에 매우 점진적으로 손실됩니다.
그리고 또 하나의 생각이 있습니다. 최적의 가중치 범위의 한계에 대한 주제를 다룹니다. 제 생각에는 +/- ln(D) 를 제한 범위로 시도해야 합니다. 제 가정을 설명하겠습니다.
(내가 당신과 이야기를 시작하기 전에) 나는 유전학에서 단층 퍼셉트론을 쫓는 데 많은 시간(심지어 며칠)을 보냈습니다. 이 매혹적이지만 무의미한 연습을 하는 동안 성공적으로 연마된 모델의 가중치가 +/-(2.5 : 3.0)를 초과하는 경우가 거의 없고 해당 퍼셉트론에 최대 8개의 입력이 있다는 것을 알아차렸습니다. 그런 다음 두 번째 또는 g*th(w) 를 적용하기 위한 대체 모멘트, 가중치 중 하나가 허용 오차 범위 +/- ln(D) 에 도달합니다.
여기에 Fedor , 한 가지 중요한 트릭이 있습니다. 일부 입력 벡터에 대해 훈련된 NN이 있는 경우 조정된 모든 가중치에 th() 연산자를 적용하면 지식이 파괴되지 않고 가중치가 정의된 영역만 압축됩니다. . 이것은 NN의 컴퓨팅 성능을 절약하고 시장 프로세스의 가능한 준정상성을 활용하는 "포화" 효과를 제거할 수 있는 중요한 포인트입니다.
말씀하신 나머지 부분에 대해서는 생각할 시간이 필요합니다.
Matkad를 사용하는 방법을 배우고 있습니다... 좋은 도구입니다. Sergey , 하지만 Matkad에서 그리드의 결과를 어떻게 보는지 궁금합니다. 차트를 만드십니까?
그리고 한 가지 더 중요한 질문 - MT4에서 Matkad로 견적을 푸시하는 방법은 무엇입니까?
글쎄요. 저는 그래픽을 만듭니다. 아주 편안하게!
Matkadovsky 형식으로 데이터를 내보내는 것과 관련하여 더 쉬운 것은 없습니다. 견적 아카이브로 이동하여 필요한 견적에서 내보내기 버튼을 누릅니다. 컨텍스트 메뉴에서 "ASCII 텍스트(*.prn)" 옵션을 선택하고 파일을 저장할 경로를 지정하면 됩니다. 이것은 기본 Matkadovsky 형식입니다. Matkad에서는 Open=READPRN("FileName.prn")<2> 파일에서 읽습니다. 선택한 TF의 시가에 해당하는 두 번째 열만 파일에서 읽고 있다는 두 가지 수단(명령의 위 첨자에 괄호와 함께, 대시보드 참조)이 있습니다 (잠시만 기다려 주십시오).
그래, 내 얘기는 그게 아니야...
확인. 그것은 흥미로울 것입니다 - 말해 주세요, 나는 모든 것에 자세히 서명할 것입니다
지식의 "연속성"은 이론적으로 보존되어야 하며 새로운 벡터가 이전 벡터와 한 번만 다르기 때문에 매우 점진적으로 손실될 것입니다.
다음은 주제에 대해 떠오른 내용입니다.
얼마 전 나는 "정확한" 훈련, 단일 뉴런, 뉴런의 입력 수와 동일한 길이의 벡터로 훈련(일정한 편향 없이 - 그렇지 않음) P=w로 플레이했습니다. 그냥 재미로 했어요. 이 공식에서 그리드는 훈련 샘플에서 원하는 만큼 정확하게 훈련될 수 있다는 것이 분명합니다(조정 가능한 매개변수의 수는 선형 방정식의 수와 동일함). 그래서 저는 ORO에 신경 쓰지 않았지만 몇 초 만에 뉴턴의 방법으로 선형 대수 방정식 시스템을 풀어서 가중치의 정확한 값 . 그 효과는 놀랍습니다. 1000개의 입력이 있는 퍼셉트론을 사용하고 잠시 후 가중치 값을 얻습니다. 이 가중치 값은 길이가 1000개 샘플인 1000개 훈련 벡터에 대해 각각 "0"의 훈련 오류를 제공합니다! 상상할 수 있니? - Matrix 1000x1000 그리고 한 번의 실수도 아닌! 우리는 이 행렬에 하나의 작은 요소만 추가하는 것처럼 보일 것입니다. 새 카운트(한 단계 앞서 예측하려고 함)이고 특별한 일은 일어나지 않아야 합니다. 그리드는 여전히 +1 또는 -1로 잘 표시되며, 아마도 핀치에서 추측하지 못할 수도 있습니다. 그러나 결과는 실망스럽습니다. 1000000개의 이전 판독값에 대한 이 그리드가 매번 과녁을 맞추면 여기에서 바로 - 스페이스로 - 대신 +/-1 - 4872365695. 어떻게! 그리고 당신은 "단 하나의 카운트"라고 말합니다 ...
이 모든 것은 퍼셉트론의 거친 재훈련의 결과입니다.
포럼의 일부 오류!
Matkad를 사용하는 방법을 배우고 있습니다... 좋은 도구입니다. Sergey , 하지만 Matkad에서 그리드의 결과를 어떻게 보는지 궁금합니다. 차트를 만드십니까?
그리고 한 가지 더 중요한 질문 - MT4에서 Matkad로 견적을 푸시하는 방법은 무엇입니까?
다음은 내가 일하는 방식의 예입니다. 나는 matkad로 데이터를 전송합니다. 더 편안합니다.
아카이브에는 원하는 형식으로 정보를 덤프하는 스크립트가 포함되어 있습니다.
(시간-오픈-하이-로우-클로즈-시-분-일-월-년-평일)
필요 필요한 차트에 놓고 필요한 이력의 날짜를 표시하기만 하면 됩니다(이력은 시세 아카이브를 통해 이미 업로드되어 있어야 함).
수신된 파일을 전송합니다(예: GBPUSD_4.prn 및 EURUSD_4.prn) matcad가 있는 파일이 있는 디렉토리로 이동하여 작업합니다.
다중 통화 분석을 수행하려는 경우 구멍을 잊지 마십시오. matcad 파일에서 데이터 동기화 방법을 보여주었습니다.
Matkad 버전 14. 모든 것이 아카이브에 있습니다.