O "New Neural" é um projecto de motor de rede neural Open Source para a plataforma MetaTrader 5. - página 97
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Ok. Precisamos de encontrar uma analogia prática. O diagrama mostra que as camadas têm um número diferente de neurónios. Se virarmos o diagrama de pernas para o ar, obtemos uma pirâmide. Assim, a produção passa por várias etapas de processamento. Quanto mais neurónios na camada, mais dados esta camada recebe e processa. Se a camada seguinte produzir menos dados do que a anterior, significa que os dados são generalizados de camada para camada?
Sim, eles são generalizados. Se a entrada for, digamos, 100 barras, a saída deve ser dois comandos: comprar ou vender.
A tarefa não é fazer com que uma rede neural contenha muitos dados, mas sim corresponder à quantidade de dados sobre os quais é treinada. Se a rede for demasiado grande e não tiver dados suficientes, aprenderá facilmente, mas não será capaz de se generalizar a outros dados. Assim, o número de neurónios deve ser o menor possível. Mais de três camadas são um pouco desnecessárias. Na primeira camada, o número de neurónios corresponde ao tamanho do padrão dos dados introduzidos, e na última - ao número de variantes resultantes. E no intermédio é o menor possível, mas não menor do que na produção.
o código é simples, mas os nossos dados de entrada não se encaixam bem:
Entropia Wiki: ".... mede o desvio de um processo real de um ideal ... ... Matematicamente, a entropia é definida como uma função do estado do sistema, definida a uma constante arbitrária".
и?
o que em finanças VR poderia ser um mercado ideal? - quem diabos sabe, OK que essa seja a primeira suposição, mercado perfeito = onda sinusoidal!
como inputs temos pelo menos 3 preços altos, baixos, palhaços - e quais devemos utilizar? - OK, que seja a segunda hipótese, regras de preços medianos!
o que medimos de e para? - início do dia? semana? dia de expiração? sessão de negociação? - OK, início do dia, que seja a terceira suposição....
total de 3 perguntas, 3 vezes assumimos que estamos certos? aqui o problema resume-se à combinatória: quantas vezes derivamos a hipótese inicial correcta e quantas vezes a nossa futura exploração leva à correcta valorização do mercado... sobre a história ))))
entropia soa bem, mas cavei este assunto há alguns anos na perspectiva da entropia informativa, a conclusão é uma - se um padrão começa a formar-se ou a repetição mais próxima de combinações de castiçais na história - não vai funcionar, porque o que é óbvio para todos não funciona no mercado, a mesma coisa com os padrões e correlações, uma vez que se tornam óbvios - deixam de aparecer )))), costumo dizer a mim mesmo em tais casos - não é o mais inteligente, tais pessoas inteligentes vivem a metade do mundo longe dos monitores)))
Não, veja, esta entropia estima a quantidade de informação na BP. Quanto mais baixa for a entropia, mais informação (os ciclos são mais manifestos). Isto é, a medida é relativa, e utilizá-la em relação, por exemplo, a outros estados. Onde é mais baixo é onde negociar - um exemplo rudimentar
bem e a analogia com Hearst, medida em janela de sk.Se houver menos neurónios na camada do que no anterior, a informação é comprimida, e, "sem compressão", se houver mais neurónios do que no anterior.
Sobre a entropia:
https://habr.com/ru/post/305794/
Sim, eles são generalizados. Se a entrada for, digamos, 100 barras, a saída deve ser dois comandos: comprar ou vender.
A tarefa não é fazer com que uma rede neural contenha muitos dados, mas sim corresponder à quantidade de dados sobre os quais é treinada. Se a rede for demasiado grande e não tiver dados suficientes, aprenderá facilmente, mas não será capaz de se generalizar a outros dados. Assim, o número de neurónios deve ser o menor possível. Mais de três camadas são um pouco desnecessárias. Na primeira camada, o número de neurónios corresponde ao tamanho do padrão dos dados introduzidos, e na última - ao número de variantes resultantes. E no intermediário há o mínimo possível, mas não menos do que no de saída.
.... Mais do que três camadas são desnecessárias. Na primeira camada, o número de neurónios corresponde ao tamanho do padrão dos dados de entrada, na última camada - ao número de variantes resultantes. E na camada intermédia é tão pequena quanto possível, mas não menor do que na camada de saída.
Foi provado matematicamente (encontrei a prova em alguns livros) que uma rede com uma camada interior pode aproximar-se de qualquer função contínua, e uma rede com duas camadas pode aproximar-se também de funções com lacunas. Assim, desta prova resulta que o número de camadas superior a 2 não faz sentido prático e leva apenas à requalificação.
ou seja, é necessário um máximo de 2 camadas internas (e em muitos casos uma é suficiente).Não, olha, esta entropia avalia a quantidade de informação na BP. Quanto mais baixa a entropia, mais informação (mais ciclos se manifestam). Isto é, a medida é relativa, e utilizá-la em relação, por exemplo, a outros estados. Onde é mais baixo, está lá para negociar - um exemplo rudimentar.
e a analogia com Hurst, medida na janela do sk.Maxim bem você está certo, mas em teoria
Aqui está o quadro, qual será a quantidade de informação que devemos tomar como sendo a quantidade de informação? 1 bar? - ou seja, tomar um grupo de barras - temos um certo período, então como é que a nossa abordagem é melhor do que a de avaliar a situação actual do mercado usando RSI, estocástico, ou gráfico de pulgas? - o mesmo de qualquer maneira, imho
a aplicação do TS deve basear-se no contexto do mercado - sim, mas o contexto dificilmente pode ser formalizado, algumas pessoas tentam tomar o plano actual como um contexto e comercializar um plano, outras traçam uma linha de tendência e esperam por um avanço .... e quem está certo?
Maxim, tem razão, mas em teoria.
aqui está um gráfico, o que podemos tomar como quantidade de informação? 1 bar? - não a sério, leve um grupo de bares - temos um certo período, então como é melhor a nossa abordagem do que avaliar o estado actual do mercado utilizando RSI, estocástico, pulgas? - o mesmo de qualquer maneira, imho
a aplicação do TS deve basear-se no contexto do mercado - sim, mas o contexto dificilmente pode ser formalizado, algumas pessoas tentam tomar o plano actual como um contexto e comercializar um plano, outras traçam uma linha de tendência e esperam por um avanço .... quem está certo?
Vejo... optimizar a janela, olhar para a mudança de entropia, treinar o modelo com janelas diferentes, e tirar conclusões. É claro que mostra o passado, mas se estreitarmos o horizonte de previsão e usarmos o MOS para preencher estes intervalos, obteremos a informação
É mais ou menos isso que estou a dizer.
Não lhe dirá se tem ciclos periódicos ou não, dir-lhe-á se tem entropia. Não estou a dizer que vai funcionar, estou a dizer que tem de dataminar.
Vejo... optimizar a janela, olhar para as mudanças de entropia, treinar o modelo com diferentes janelas, e tirar conclusões. É claro que mostra o passado, mas se baixarmos o horizonte de previsão e usarmos o MOS para preencher estes intervalos, obteremos a informação
É mais ou menos isso que estou a dizer.
Não lhe dirá se tem ciclos periódicos ou não, dir-lhe-á se tem entropia. Não estou a dizer que vai funcionar, estou a dizer que precisa de ser dataminado.
Não vou perguntar tudo, mas estou cansado de ler... Qual é a precisão de ensinar NS numa janela deslizante?
- Se estivermos à procura de informação periódica - sim, está correcto, os NS encontrarão loops escondidos e ajustarão os seus próprios coeficientes de ponderação
- se ensinarmos os NS a reconhecer, sim, são os NS a aprender
- não existem ciclos periódicos no mercado, em algum lugar onde eu tive uma RE que desenha o tempo de formação da parte superior da RE, em qualquer cenário da RE, nunca existem repetições periódicas, não existe tal coisa que o próximo intervalo da RE será em barras como 5,11,7,3.... 5,11,7,3.... - haverá todo o tipo de combinações mas não de repetições.
se treinarmos NS numa janela deslizante de informação não periódica, o que acontece aos pesos que lá estão? - tanto quanto me lembro, não se pode sequer treinar uma rede de uma única camada na UE, apenas multicamadas - pode uma janela deslizante ser usada para tais coisas? tenho as minhas dúvidas
ZS: datamining - sim, se conseguir filtrar os dados que irão transportar a informação - então o Graal é seu;)
Não posso perguntar tudo, e estou cansado de ler... Quão correcto é treinar NS numa janela deslizante?
- Se estamos à procura de informação periódica - sim, está correcto, os NS irão encontrar ciclos ocultos e ajustar os seus próprios coeficientes de ponderação
- se ensinarmos os NS a reconhecer, sim é o NS a aprender
- não existem ciclos periódicos no mercado, em algum lugar onde eu tive uma RE que desenha o tempo de formação da parte superior da RE, em qualquer cenário da RE, nunca existem repetições periódicas, não existe tal coisa que o próximo intervalo da RE será em barras como 5,11,7,3.... 5,11,7,3.... - haverá todo o tipo de combinações mas não de repetições.
se treinarmos NS numa janela deslizante de informação não periódica, o que acontece aos pesos que lá estão? - tanto quanto me lembro, não se pode sequer treinar uma rede de uma única camada na UE, apenas multicamadas - pode uma janela deslizante ser usada para tais coisas? tenho as minhas dúvidas
ZS: datamining - sim, se conseguir filtrar dados que transportem informação - então tem o graal ;)
Não têm de ser estritamente periódicas, mas não têm de ser barulhentas. O quadro é probabilístico, não rigoroso. A janela deslizante destina-se ao indicador de entropia, assim como o número de características para treino, pode optar por elas.
Se as amostras forem inconsistentes não obterá nada, é por isso que existem tantos 50\50 erros. E um laço não pode ser contraditório, ou existe ou não existe, sob qualquer forma. Se adicionarmos muitos loops diferentes, eles não se contradizem uns aos outros.
Ciclo/não-ciclo é um conceito relativo dentro da métrica entropic