우리의 주요 실수는 미분학의 수학적 장치(Taylor 급수 등)를 가격형 VR에 사용하려는 것입니다. 물론 이것은 불가능합니다. 가격 시리즈는 매끄럽지 않으며(첫 번째 차이점은 부호 교대), 이 상황에서 우리는 다음 "훌륭한" 단계를 취합니다. 우리는 원래 VR을 moing 또는 wavelet으로 매끄럽게 만들고 이미 매끄러운 시리즈로 무엇이든 합니다. 절차는 이미 가지고 있는 정보에 유용한 정보를 추가하지 않습니다. 우리는 비유적으로 말해서 머리카락으로 늪에서 빠져나오기 위해 노력하는 시간을 보내고 있습니다. 가격 시리즈를 평활화한 다음 원래 VR에 없는 정보를 얻기 위해 (어떤 방법으로든) 기반으로 예측을 구축하는 것은 불가능합니다.
따라서 시간과 노력을 낭비하지 않는 유일한 방법은 차등 계산의 방법을 직간접적으로 사용하지 않고 원래 가격 시리즈로 작업하는 것입니다. 예를 들어 국회의 장치, 회귀 방법 등을 사용하는 것이 합리적입니다. .
우리의 주요 실수는 미분학의 수학적 장치(Taylor 급수 등)를 가격형 VR에 사용하려는 것입니다. 물론 이것은 불가능합니다. 가격 시리즈는 매끄럽지 않으며(첫 번째 차이점은 부호 교대), 이 상황에서 우리는 다음 "훌륭한" 단계를 취합니다. 우리는 원래 VR을 moing 또는 wavelet으로 매끄럽게 만들고 이미 매끄러운 시리즈로 무엇이든 합니다. 절차는 이미 가지고 있는 정보에 유용한 정보를 추가하지 않습니다. 우리는 비유적으로 말해서 머리카락으로 늪에서 빠져나오기 위해 노력하는 시간을 보내고 있습니다. 가격 시리즈를 평활화한 다음 원래 BP에 없는 정보를 얻기 위해 (어떤 방법으로든) 이를 기반으로 예측을 구축하는 것은 불가능합니다.
따라서 시간과 노력을 낭비하지 않는 유일한 방법은 차등 계산의 방법을 직간접적으로 사용하지 않고 원래 가격 시리즈로 작업하는 것입니다. 예를 들어 국회의 장치, 회귀 방법 등을 사용하는 것이 합리적입니다. .
아무도 기존 변환 방법에 일부 정보를 추가하는 것에 대해 이야기하지 않습니다.
반대로 변형은 불필요한 정보를 제거하고 유용한 구성 요소에 집중하는 방법입니다.
그건 그렇고, 순수한 가격 데이터로 NN을 훈련할 수 없습니다. 어쨌든, 그것들은 어떻게든 정규화되고 평활화되어야 할 것입니다. 그리고 이것은 변형입니다 :)
소음이 어디 있고 유용한 정보가 어디에 있는지 판단해야 합니다. 나는 진실에 대한 나의 지식에 대해 그렇게 자신하지 않을 것입니다. 국회가 이 가치 있는 과제를 해결하도록 하십시오.
또한 예는 시간이 지남에 따라 변경됩니다. 그리고 긴 훈련 기간을 선택하면 데이터가 일관되지 않습니다. 규칙과 이벤트에 대한 대중의 반응이 변경됨에 따라 네트워크는 지속적으로 재훈련되어야 합니다.
100% 동의
평활화되지 않은 데이터에 대해 네트워크를 훈련시켜 훈련 세트 밖에서 얼마 동안 작동하도록 관리했습니까?
나는 예측의 각 단계 (각 샘플에서)에서 네트워크를 다시 훈련하거나, 처음부터 훈련하지 않고 정확하게 평활화되지 않은 데이터에 대해 재훈련합니다.
지금은 훈련 epoch 수(y축)의 함수로 올바르게 인식된 가격 이동 방향(y축)의 비율을 조사하고 있습니다. 은닉층에 8개의 뉴런과 3개의 입력이 있는 2층 비선형 신경망에 대한 데이터가 제공됩니다. 훈련에 참여하지 않은 데이터에 대한 빨간색은 훈련 세트, 파란색은 테스트 세트를 나타냅니다. 각 포인트는 100번의 독립적인 실험을 통계적으로 처리한 결과입니다.
마지막 77은 왜 안되지? 특히 dll 작업에서 버그를 수정합니다. 주기적으로 7.1의 dll이 정지되어 있는데 이유를 찾아 헤매다가 찾지 못했습니다. 77에서는 파일이 있는 추가 폴더가 없다는 점 외에는 잘 작동합니다. 디스크를 구입했다면 최신 R2008b로 교체하는 것이 좋습니다.
마지막 77은 왜 안되지? 특히 dll 작업에서 버그를 수정합니다. 7.1에서 주기적으로 dll이 멈추는데 원인을 찾느라 고생했는데 못찾았습니다. 77에서는 파일이 있는 추가 폴더가 없다는 점 외에는 잘 작동합니다. 디스크를 구입했다면 최신 R2008b로 교체하는 것이 좋습니다.
글쎄, 이것이 내가 찾은 첫 번째 것입니다. 나중에 7.7로 교체하겠습니다.
도구 상자에서 분석된 웨이블릿. Meyer는 Daubechies보다 확실히 더 적합합니다.
하지만 여전히 가끔 틀립니다. 예를 들어, 던지기 전 침체의 순간에 순 최대치를 보여줍니다. :).
전화 끊기 이해했다.
DLL을 형성하는 방법을 찾는 것만 남아 있습니다.
수학:
흥미로운 아이디어입니다. 하지만. :) 사실은 불완전성으로 인해 사람이 특정 경계 조건에서 작동하는 것을 발명하는 경향이 있다는 것입니다.
육지의 수레바퀴에서 시작하여 바다의 노를 저으며 트렌드와 플랫 전략으로 끝납니다. 우리는 여러 하위 시스템에서 시스템을 구축합니다.
거래 전략, 경계 조건을 결정하는 필터 시스템 및 처음 두 가지의 실패를 제한하도록 설계된 자금 관리 하위 시스템.
그것은 우리가 그것을 하는 데 익숙한 방법입니다. 그러나 가격의 기본(기본) 속성을 기반으로 하는 이 거래 전략(방법)의 존재 및 따라서,
수익성이 있고 나머지 "패치" 하위 시스템을 단순히 불필요하게 만듭니다. 그리고 이 하나의 시스템은 단순해야 합니다.
불행히도 (또는 다행스럽게도) 아직 아무도 그것을 찾지 못했습니다. 그리고 당신이 그것을 찾으면 우리는 그것에 대해 알지 못할 것입니다 :)
나는 직장으로 돌아갑니다.
패턴을 찾으면 가격 자체에서.
맞아요!
우리의 주요 실수는 미분학의 수학적 장치(Taylor 급수 등)를 가격형 VR에 사용하려는 것입니다. 물론 이것은 불가능합니다. 가격 시리즈는 매끄럽지 않으며(첫 번째 차이점은 부호 교대), 이 상황에서 우리는 다음 "훌륭한" 단계를 취합니다. 우리는 원래 VR을 moing 또는 wavelet으로 매끄럽게 만들고 이미 매끄러운 시리즈로 무엇이든 합니다. 절차는 이미 가지고 있는 정보에 유용한 정보를 추가하지 않습니다. 우리는 비유적으로 말해서 머리카락으로 늪에서 빠져나오기 위해 노력하는 시간을 보내고 있습니다. 가격 시리즈를 평활화한 다음 원래 VR에 없는 정보를 얻기 위해 (어떤 방법으로든) 기반으로 예측을 구축하는 것은 불가능합니다.
따라서 시간과 노력을 낭비하지 않는 유일한 방법은 차등 계산의 방법을 직간접적으로 사용하지 않고 원래 가격 시리즈로 작업하는 것입니다. 예를 들어 국회의 장치, 회귀 방법 등을 사용하는 것이 합리적입니다. .
맞다!
우리의 주요 실수는 미분학의 수학적 장치(Taylor 급수 등)를 가격형 VR에 사용하려는 것입니다. 물론 이것은 불가능합니다. 가격 시리즈는 매끄럽지 않으며(첫 번째 차이점은 부호 교대), 이 상황에서 우리는 다음 "훌륭한" 단계를 취합니다. 우리는 원래 VR을 moing 또는 wavelet으로 매끄럽게 만들고 이미 매끄러운 시리즈로 무엇이든 합니다. 절차는 이미 가지고 있는 정보에 유용한 정보를 추가하지 않습니다. 우리는 비유적으로 말해서 머리카락으로 늪에서 빠져나오기 위해 노력하는 시간을 보내고 있습니다. 가격 시리즈를 평활화한 다음 원래 BP에 없는 정보를 얻기 위해 (어떤 방법으로든) 이를 기반으로 예측을 구축하는 것은 불가능합니다.
따라서 시간과 노력을 낭비하지 않는 유일한 방법은 차등 계산의 방법을 직간접적으로 사용하지 않고 원래 가격 시리즈로 작업하는 것입니다. 예를 들어 국회의 장치, 회귀 방법 등을 사용하는 것이 합리적입니다. .
아무도 기존 변환 방법에 일부 정보를 추가하는 것에 대해 이야기하지 않습니다.
반대로 변형은 불필요한 정보를 제거하고 유용한 구성 요소에 집중하는 방법입니다.
그건 그렇고, 순수한 가격 데이터로 NN을 훈련할 수 없습니다. 어쨌든, 그것들은 어떻게든 정규화되고 평활화되어야 할 것입니다. 그리고 이것은 변형입니다 :)
저는 회귀 방법에 익숙하지 않으므로 이에 대해 논쟁하지 않겠습니다.
반대로 변형은 불필요한 정보를 제거하고 유용한 구성 요소에 집중하는 방법입니다.
그건 그렇고, 당신은 순수한 가격 데이터에 NN을 훈련할 수 없습니다. 어쨌든, 그것들은 어떻게든 정규화되고 평활화되어야 할 것입니다. 그리고 이것은 변형입니다 :)
이것은 당신이 올바르게 말하는 것입니다.
그건 그렇고, 신경망은 모든 데이터에 대해 정확히 무엇을 훈련할 수 있습니다. 유일한 질문은 얼마나 오래 ... 훈련은 매우 리소스 집약적인 프로세스이며 우리의 임무는 신경망에 대해 가능한 한 쉬운 작업이지만 동시에 그녀를 위해 해결하지 마십시오 :-)
NN에 대한 데이터의 예비 평활화에 관해서는 이 절차 중 불가피한 FD가 NN에서 예측 품질을 완전히 박탈하거나 오히려 새로운 것을 제공하지 않기 때문에 이것은 말도 안되는 소리입니다. 그러나 나는 나 자신을 되풀이하고 있다.
Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время...
하지만 데이터가 시끄럽다면 훈련의 성공률이 낮아야 하지 않을까요? 또한 예는 시간이 지남에 따라 변경됩니다. 그리고 긴 훈련 기간을 선택하면 데이터가 일치하지 않습니다. 규칙과 이벤트에 대한 대중의 반응이 변경됨에 따라 네트워크는 지속적으로 재훈련되어야 합니다.
학습은 자원 집약적인 프로세스이며 우리의 임무는 NN이 가능한 한 쉽게 작업을 수행할 수 있도록 입력 데이터를 준비하지만 동시에 NN을 위해 해결하지 않는 것입니다 :-)
동의한다 :)
NN에 대한 데이터의 예비 평활화에 관해서는 이 절차 중 불가피한 FD가 NN에서 예측 품질을 완전히 박탈하거나 오히려 새로운 것을 제공하지 않기 때문에 이것은 말도 안되는 소리입니다. 그러나 나는 나 자신을 되풀이하고 있다.
평활화되지 않은 데이터에 대해 네트워크를 훈련시켜 훈련 세트 밖에서 얼마 동안 작동하도록 관리했습니까?
하지만 데이터가 시끄럽다면 훈련의 성공률이 낮아야 하지 않을까요?
소음이 어디 있고 유용한 정보가 어디에 있는지 판단해야 합니다. 나는 진실에 대한 나의 지식에 대해 그렇게 자신하지 않을 것입니다. 국회가 이 가치 있는 과제를 해결하도록 하십시오.
또한 예는 시간이 지남에 따라 변경됩니다. 그리고 긴 훈련 기간을 선택하면 데이터가 일관되지 않습니다. 규칙과 이벤트에 대한 대중의 반응이 변경됨에 따라 네트워크는 지속적으로 재훈련되어야 합니다.
100% 동의
평활화되지 않은 데이터에 대해 네트워크를 훈련시켜 훈련 세트 밖에서 얼마 동안 작동하도록 관리했습니까?
나는 예측의 각 단계 (각 샘플에서)에서 네트워크를 다시 훈련하거나, 처음부터 훈련하지 않고 정확하게 평활화되지 않은 데이터에 대해 재훈련합니다.
지금은 훈련 epoch 수(y축)의 함수로 올바르게 인식된 가격 이동 방향(y축)의 비율을 조사하고 있습니다. 은닉층에 8개의 뉴런과 3개의 입력이 있는 2층 비선형 신경망에 대한 데이터가 제공됩니다. 훈련에 참여하지 않은 데이터에 대한 빨간색은 훈련 세트, 파란색은 테스트 세트를 나타냅니다. 각 포인트는 100번의 독립적인 실험을 통계적으로 처리한 결과입니다.
매트랩 7.01을 설치했습니다. 강력한 것.
웨이블릿을 찾았습니다.
내 신호를 시스템에 어떻게 업로드할 수 있습니까?
예를 들어 텍스트 파일에서 MATOV로의 변환기가 있습니까?
마지막 77은 왜 안되지? 특히 dll 작업에서 버그를 수정합니다. 주기적으로 7.1의 dll이 정지되어 있는데 이유를 찾아 헤매다가 찾지 못했습니다. 77에서는 파일이 있는 추가 폴더가 없다는 점 외에는 잘 작동합니다. 디스크를 구입했다면 최신 R2008b로 교체하는 것이 좋습니다.
30%의 경우에 네트워크가 방향을 추측한다는 것을 그림에서 올바르게 이해 했습니까?
당신은 네트워크 보드와 작업을 시도하지 않았습니다. 예를 들어, 솔루션을 명확히 하기 위해 3 또는 5를 사용합니다.
또는 한 쌍의 네트워크: 하나는 위만 추측하고 두 번째는 아래로만 추측합니다.
그건 그렇고, 왜 정확히 3 (또는 5, 나는 혼란스러워 ;) ) 입력 뉴런. 방금 4, 7 또는 15개의 입력이 있는 네트워크를 만났습니다. :)
추신
실험을 좀 했습니다. 전체 이야기를 기억하고 현재와 가장 유사한 상황을 찾았습니다.
벡터 거리 방법(정규화된 벡터, 물론)에 의해. 역사는 60%의 경우에 반복됩니다. :)
그러나 모든 것은 여전히 예측 범위와 벡터의 길이에 달려 있습니다.
마지막 77은 왜 안되지? 특히 dll 작업에서 버그를 수정합니다. 7.1에서 주기적으로 dll이 멈추는데 원인을 찾느라 고생했는데 못찾았습니다. 77에서는 파일이 있는 추가 폴더가 없다는 점 외에는 잘 작동합니다. 디스크를 구입했다면 최신 R2008b로 교체하는 것이 좋습니다.
글쎄, 이것이 내가 찾은 첫 번째 것입니다. 나중에 7.7로 교체하겠습니다.
도구 상자에서 분석된 웨이블릿. Meyer는 Daubechies보다 확실히 더 적합합니다.
하지만 여전히 가끔 틀립니다. 예를 들어, 던지기 전 침체의 순간에 순 최대치를 보여줍니다. :).
그러나 마지막 레벨의 세부 사항은 임박한 던지기를 나타냅니다. 그는 최소한이었다.
합성 신호와 두 가지 세부 정보에서 표시기를 만들고 종속성을 확인하고 싶습니다.
이제 DLL의 형성을 이해합니다.