Redes neuronais probabilísticas, pacotes e algoritmos para MT4 - página 19

[[Excluído]]

Eu tentei trabalhar com a topologia alterando o grau de suavização do sinal ou mudando qualitativamente a matriz de entrada - os resultados são terríveis. Em redes probabilísticas o olho destreinado nota imediatamente várias contradições metodológicas encontradas no desenvolvimento da rede - uma delas é que o intervalo do período de teste é proporcional à não-linearidade da rede. Ou seja, não está claro como otimizar a rede.

[[Excluído]]

o que posso dizer... aqui está a pornografia))

[[Excluído]]

lá está ela

[[Excluído]]

xproit:
aqui está

Um relance rápido. Você está certo - pornografia).

Por que um jardim tão grande de insumos completamente descoordenados? De que adianta colocar valores absolutos e suas diferenças na entrada ao mesmo tempo? As redes ficam "bêbadas" com isto...

[[Excluído]]

O problema é que eu preparo um arquivo de dados no MT4, colocando tudo o que tenho nele, e no NEUROSHELL 2 eu seleciono, combino, etc. diretamente.

[[Excluído]]

xproit:

O problema é que eu preparo um arquivo de dados no MT4 anexando tudo o que tenho, e no NEUROSHELL 2 eu seleciono, combino, etc. diretamente.

E você pode me mostrar o arquivo de dados de entrada para NS2?

E qual é o critério para a classificação do conjunto de entradas, ou seja, por que você determina que este conjunto de, por exemplo, comprar, vender? Oops, eu mesmo o vi...

Z.U. A propósito, acabei de desenterrar um NS2 relativamente fresco há alguns dias, só para experimentar com o PNN...

[[Excluído]]

Eu uso redes no comércio de qualquer maneira. Para confirmar sinais comerciais com valores indicadores previstos. Esta é provavelmente a principal vantagem deste método sobre o retardamento e a média. Ao prever linhas alisadas como BZL MACD(Alto,15,30) 3 pontos à frente, mesmo usando desfasamentos do indicador na entrada, obtenho um coeficiente de correlação de 0,995 em média.

[[Excluído]]

Em essência, as redes probabilísticas são menos exigentes na tarefa de determinar a matriz de entrada. A rede em treinamento usa um algoritmo de correções individuais para o parâmetro de suavização de cada entrada, bem como o parâmetro geral de suavização. Ou seja, durante o treinamento os valores dos parâmetros de suavização individuais são usados como uma ferramenta para analisar a sensibilidade da entrada quanto mais o parâmetro para esta entrada, mais importante é a entrada para o modelo. Ou seja, a rede não é otimizada pela matriz de entrada. É desejável dar-lhe mais insumos (candidatos).

[[Excluído]]

Tente trabalhar com eles, eu também tenho trabalhado com eles há algum tempo. Aqui está um indicador para preparar um arquivo de dados, ou melhor, um script

[[Excluído]]

xproit:
Tente trabalhar com eles, eu também tenho trabalhado com eles há algum tempo. Aqui está um indicador para preparar um arquivo de dados, ou melhor, um script

Vou dar uma olhada nisso, obrigado.