나는 신경망으로 실험을 계속하고 e .... 낙심) 나는 그들이 "바보"인지, 아니면 여전히인지) 이해하지 못합니다. 나는 정말로 그렇게되기를 바랍니다. 내가 statstica에서 모든 작업을 수행한다는 것을 상기시켜 드리겠습니다. 나는 이것에 대해 절망하게 되었다. 나는 그리드에 두 개의 행을 주었습니다. 그 사이의 상관 관계는 (진폭이 아닌 방향으로) = 100%이며 시각적으로 동일하고 가격 범위도 거의 동일합니다. 그 후, 나는 한 행에 EMA를 구축했지만 첫 번째 막대에서 마지막 막대로가 아니라 마지막에서 첫 번째 막대로, 즉 먼저 EMA가 나온 다음 가격이 나옵니다. 나는 오른쪽 꼬리(차트 끝, EMA가 값을 형성하는 곳)를 잘라내고 1행, 2행 및 1행의 EMA를 기반으로 EMA가 어디에 있을 것인지 알려주기 위해 그리드에 작업을 부여했습니다. 같은 기간) 행 2에서 2-005e의 정확도를 얻었습니다. 나쁘지 않은 것 같지만(심지어 매우 멋진) 가장 단순한 공식으로 동일한 정확도만 얻을 수 있으며, 이는 열에 셀 필요조차 없습니다.))))) 또한 예측된 EMA는 전체 곡선을 그리며 막대에서 막대로 이동합니다. Diams.... 맙소사, 내가 뭘 잘못하고 있는 거지? 실제로, 이 작업에는 그리드에 대한 많은 힌트가 있으며 예측에 대해 이야기하고 있지도 않습니다. 진부하고 단순한 공식은 그리드의 결과를 반복하고 훨씬 더 낫지 만 네트워크가 원칙적으로 무엇을 할 수 있는지 이해할 수 없게 될 정도로 멍청합니다. 네트워크를 구성하고 잘못된 것을 공유하는 방법을 완전히 이해하지 못한다고 정말로 믿고 싶습니다. 사진을 첨부합니다
네트워크는 첫 번째 행의 EMA와 첫 번째 행과 두 번째 행의 모든 닫기를 알고 있는 두 번째 그림에서 EMA를 가져오는 작업을 수행했습니다. EMA는 반대 방향으로 가고 있습니다 (그것이 요점이었습니다)
하나)신경망은 ACC의 경우처럼 역학이 있으면 기능을 복원할 수 없다는 것을 올바르게 이해하고 있었습니까? 나조차도 계산에 필요한 모든 데이터를 가지고 있기 때문에 LVSS 또는 EMA의 경우와 같이 공식이 완전히 정적인 경우 문제가 없습니다.
2)내가 틀렸다면 어떤 네트워크를 사용해야합니까? 그리고 통계에서 MLP 를 사용했습니다.
삼)자동 네트워크와 네트워크가 전자를 소유한다는 의견을 들었습니다. 디자인이라고 하면 근본적으로 큰 차이는 없습니다. 정말 그렇 습니까?
4)특히 내가 설명한 작업, 즉 금융 시장에서 사용하기 위해 어떤 네트워크와 프로그램을 추천하시겠습니까? 알려진 모든 데이터에서 값을 복구합니다.
진심으로, mrstock
1. ACC의 가장 느린 MA 기간보다 10배 많은 항목이 있어야 합니다. EMA의 값은 일반적으로 "기간" 매개변수보다 10배 큰 막대 수에 따라 다릅니다. EMA 반복의 경우 선형 전달 함수가 있는 단일 뉴런이 가장 적합합니다. ACC의 경우, 아마도 다른 층이 필요하며, 하나의 층이 필요하므로 하나의 뉴런으로는 충분하지 않습니다. 2. 이것은 네트워크 유형과 구성을 선택하는 것이 가장 어려운 것으로 간주됩니다. EMA를 사용하는 경우 하나의 선형 뉴런으로 확실히 충분하며(입력 가중치가 다른 가산기만 있으면) ACC의 경우 선형 뉴런과 시그모이드를 결합하고 가산기보다 승수를 사용하는 것이 더 나을 수 있습니다.
원하는 규칙성의 특성이 완전히 알려지지 않은 경우 모든 유형의 네트워크를 정렬하는 실험만 가능합니다. 올바르게 훈련하기만 하면 할수록 훈련을 위한 샘플이 더 많고 네트워크의 뉴런이 적을수록 좋습니다. 훈련 후, 이 네트워크에서 가능한 가장 적은 수의 뉴런으로 어떤 네트워크가 최상의 결과를 보여줄지 제어 데이터를 확인하십시오.
나는 신경망으로 실험을 계속하고 e .... 낙심) 나는 그들이 "바보"인지, 아니면 여전히인지) 이해하지 못합니다. 나는 정말로 그렇게되기를 바랍니다. 내가 statstica에서 모든 작업을 수행한다는 것을 상기시켜 드리겠습니다. 나는 이것에 대해 절망하게 되었다. 나는 그리드에 두 개의 행을 주었습니다. 그 사이의 상관 관계는 (진폭이 아닌 방향으로) = 100%이며 시각적으로 동일하고 가격 범위도 거의 동일합니다. 그 후, 나는 한 행에 EMA를 구축했지만 첫 번째 막대에서 마지막 막대로가 아니라 마지막에서 첫 번째 막대로, 즉 먼저 EMA가 나온 다음 가격이 나옵니다. 나는 오른쪽 꼬리(차트 끝, EMA가 값을 형성하는 곳)를 잘라내고 1행, 2행 및 1행의 EMA를 기반으로 EMA가 어디에 있을 것인지 알려주기 위해 그리드에 작업을 부여했습니다. 같은 기간) 행 2에서 2-005e의 정확도를 얻었습니다. 나쁘지 않은 것 같지만(심지어 매우 멋진) 가장 단순한 공식으로 동일한 정확도만 얻을 수 있으며, 이는 열에 셀 필요조차 없습니다.))))) 또한 예측된 EMA는 전체 곡선을 그리며 막대에서 막대로 이동합니다. Diams.... 맙소사, 내가 뭘 잘못하고 있는 거지? 실제로, 이 작업에는 그리드에 대한 많은 힌트가 있으며 예측에 대해 이야기하고 있지도 않습니다. 진부하고 단순한 공식은 그리드의 결과를 반복하고 훨씬 더 낫지 만 네트워크가 원칙적으로 무엇을 할 수 있는지 이해할 수 없게 될 정도로 멍청합니다. 네트워크를 구성하고 잘못된 것을 공유하는 방법을 완전히 이해하지 못한다고 정말로 믿고 싶습니다. 사진을 첨부합니다
네트워크는 첫 번째 행의 EMA와 첫 번째 행과 두 번째 행의 모든 닫기를 알고 있는 두 번째 그림에서 EMA를 가져오는 작업을 수행했습니다. EMA는 반대 방향으로 가고 있습니다 (그것이 요점이었습니다)
동의하지만 우리는 최대의 이익을 위해 싸우고 있습니다. 그리고 여기에서 최소 오류는 최대 이익을 제공하지 않습니다. 글쎄, 적어도 나는 이것에 대한 증거를 스스로 찾을 수 없었습니다 ...
내가 틀릴 수도 있습니다. .... 네트워크에 대한 다른 입력을 찾아야한다고 생각합니다. 입력의 반복성이 좋지 않습니다.
몇 개의 층과 뉴런의 수입니까?
하나) 신경망은 ACC의 경우처럼 역학이 있으면 기능을 복원할 수 없다는 것을 올바르게 이해하고 있었습니까? 나조차도 계산에 필요한 모든 데이터를 가지고 있기 때문에 LVSS 또는 EMA의 경우와 같이 공식이 완전히 정적인 경우 문제가 없습니다.
2) 내가 틀렸다면 어떤 네트워크를 사용해야합니까? 그리고 통계에서 MLP 를 사용했습니다.
삼) 자동 네트워크와 네트워크가 전자를 소유한다는 의견을 들었습니다. 디자인이라고 하면 근본적으로 큰 차이는 없습니다. 정말 그렇 습니까?
4) 특히 내가 설명한 작업, 즉 금융 시장에서 사용하기 위해 어떤 네트워크와 프로그램을 추천하시겠습니까? 알려진 모든 데이터에서 값을 복구합니다.
진심으로, mrstock
1. ACC의 가장 느린 MA 기간보다 10배 많은 항목이 있어야 합니다. EMA의 값은 일반적으로 "기간" 매개변수보다 10배 큰 막대 수에 따라 다릅니다. EMA 반복의 경우 선형 전달 함수가 있는 단일 뉴런이 가장 적합합니다. ACC의 경우, 아마도 다른 층이 필요하며, 하나의 층이 필요하므로 하나의 뉴런으로는 충분하지 않습니다.
2. 이것은 네트워크 유형과 구성을 선택하는 것이 가장 어려운 것으로 간주됩니다. EMA를 사용하는 경우 하나의 선형 뉴런으로 확실히 충분하며(입력 가중치가 다른 가산기만 있으면) ACC의 경우 선형 뉴런과 시그모이드를 결합하고 가산기보다 승수를 사용하는 것이 더 나을 수 있습니다.
원하는 규칙성의 특성이 완전히 알려지지 않은 경우 모든 유형의 네트워크를 정렬하는 실험만 가능합니다. 올바르게 훈련하기만 하면 할수록 훈련을 위한 샘플이 더 많고 네트워크의 뉴런이 적을수록 좋습니다. 훈련 후, 이 네트워크에서 가능한 가장 적은 수의 뉴런으로 어떤 네트워크가 최상의 결과를 보여줄지 제어 데이터를 확인하십시오.
1) 네트워크는 입력 데이터에 있는 경우 기능을 복원할 수 있습니다. 마지막 실험에서 기간 값이 변동성에 따라 달라지면 그리드에 이 변동성에 대한 일종의 추정치가 제공되어야 합니다. 입구에서 복구에 필요한 모든 데이터를 제출하지 않았을 수 있습니다.
2) MLP에서 필요한 모든 것을 짜낼 수 있습니다. 다른 아키텍처를 사용하는 것이 MLP보다 낫다는 것을 수학적으로 증명할 수 있는 경우 다른 네트워크를 사용하십시오.
3)NS2 - 빠르고 고품질의 결과, 어디서나 휴대하기...
변동성 값을 제공할 필요는 없습니다. 이론적으로 네트워크 자체에서 이 변동성을 결정해야 하며, 뉴런을 추가해야 하며, 학습을 위해 학습할 샘플 수를 늘려야 합니다.
... 또한 예측된 EMA는 전체 곡선이었고 막대에서 막대로 이동했습니다...
아마도 네트워크에 너무 많은 뉴런이 있을 것입니다. 아마도 입력 값의 정규화와 다른 것입니다.
미스터 스톡 으로
그림에 표시된 대로 정확하게 훈련을 신청했다면 Integer 에 동의하는 것입니다. 무엇보다도 문제는 정규화에 있습니다.
LeoV 및 StatBars로
NS가 허용하는 경우 제곱 평균 대신 제곱 평균을 사용해 보십시오. 귀하의 인상을 게시하십시오.
PS에서 mrstock 으로
증분을 훈련 샘플로 사용해 보십시오. 그런데 Statistica에는 자동 정규화가 없습니다.
joo писал(а) >>
증분을 훈련 샘플로 사용해 보십시오.
아마도 증분의 더 나은 로그...
아마도 증분의 로그가 더 나을 것입니다 ...
이 매개변수를 가지고 놀아보세요.
S자형 활성화 함수의 기울기 매개변수입니다.
우리가 네트워크의 도움으로 돈을 벌고 싶다는 사실에 대해 이야기하고 예측 실험이나 다른 자전거를 만드는 일에 참여하지 않는다면, 우리는 무용지물로 인해 지난 세기에 가격이나 EMA 예측을 중단했습니다. (수입 측면에서)