Etiqueta de mercado ou boas maneiras em um campo minado - página 17
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
Enquanto escrevia o post recordando os detalhes da implementação, havia algumas imprecisões.
Eu olhei para o código e descobri que estava influenciando a FA sobre pesos uma vez ao mudar para uma nova previsão, ou seja, não a cada época, mas quando era necessário reciclar a rede quando novos dados chegavam.
Mais uma coisa. A correção do peso é o produto do erro da saída do neurônio pela derivada FA e pela saída do neurônio (amplitude, levando em conta o sinal) a partir da qual o sinal é inserido.
Eis o que parece para um perseptron com uma produção não-linear (por exemplo):
Aqui as épocas são numeradas pelo índice L. Eu o mostro de propósito no MathCad, é mais claro. Em - número de entradas, x - vetor de entrada. O resto é aparentemente claro.
Penso, como usar o BUY/SELL como vetor de entrada ?
Por exemplo, pegamos três ou quatro indicadores, de preferência correlacionados, os colocamos no insumo e marcamos o gráfico de preços com algo - como "compre aqui", "venda aqui"... mas como devemos fazer isso? Outra pergunta: e se marcarmos diferenças (em cada barra) entre 200 valores com o passo 2 nas entradas da grade, ele vai encontrar algo lá?
Estou me perguntando como fazer BUY/SELL como entrada ?
Por exemplo, pegamos três ou quatro índices, de preferência mal correlacionados, os colocamos no insumo e marcamos a tabela de preços de alguma forma - como "compre aqui", "venda aqui"... mas como fazer isso? Outra pergunta: se quisermos entrar na grade com diferenças (em cada barra) entre 200 valores com o passo 2, será que ela vai encontrar alguma coisa?
Oh, esta coisa chamada método de otimização gradiente é complicada. Quero dizer, a implementação de algoritmos não é muito complicada, mas pode haver alguns grandes problemas de aprendizagem.
Eu sei que são as férias, mas não leve isso tão a peito:)
Não estou entendendo, cavalheiros.
Portanto, é melhor redirecionar os pensamentos dos cérebros SUBOMEGAMOSOS para a análise quântica. Exemplo - basta decompor um gráfico comum em um gráfico quântico (ou seja, não em tempo real, mas em tempo quântico), podemos VER PRONTAMENTE a regressão e a dependência. Cantos afiados podem ser evitados usando a teoria do caos, segundo a qual mesmo o movimento mais caótico das partículas pode ser combinado em um sistema, mas em momentos diferentes (ou seja, o sistema é definido em diferentes intervalos de tempo baseados na física quântica, ou seja, não em tempo real, mas em tempo quântico). E você só precisa traduzir o tempo quântico em tempo real e obter a tão esperada VENDA COMPRAR.
>> Eu estou dentro!
Lembro-me que em um dos fios, alguém ligou para Prival pedindo aos concidadãos para adivinhar o número... que controla o mercado. Eu sabia que era a Prancha Constante. Exatamente o que um pobre comerciante precisa na hora em que a barra de câmbio cai. e aí vem a incerteza de Heisenberg no servidor DC e só pelo efeito Doppler se pode adivinhar a trajetória de um depósito. só brincadeira -:)
Eu estou dentro!
...eu sabia na época que era a Prancha Constante. O que falta ao pobre comerciante na hora em que a Prancha Forex cai. e Heisenberg A incerteza se instala no servidor DC e somente o efeito Doppler pode sugerir a trajetória de um depósito... brincadeira -:)
+5
Isso mesmo, paralocus, que se lixem, obscurantistas. Também esqueci de mencionar os campos de torção. Coisa forte para uma cabeça dorida - faz o mercado girar e girar.
A propósito!
Nesse artigo o perceptron procura exatamente por situações de compra/venda. É que eu tenho algumas inconsistências semânticas com a transição para a ORO.
Isto é, a entrada da grade é um peru agrupado. por que ele está lá? E está lá para definir o momento de entrada no mercado: OUT do indicador é maior que zero - comprar, menor que zero - vender.
O problema é que antes o professor era um geneticista que corrigiu pesos de acordo com os resultados de perceptron trabalhando na amostra de treinamento (no testador). O geneticista utilizou a rentabilidade do Expert Advisor que trabalhou, no qual sinais para compra/venda foram gerados usando OUT do perceptron. Portanto, tudo estava funcionando corretamente para obter o máximo lucro na seção de treinamento da história. Ou seja, ao abandonar o geneticista, abandonei o professor pela grade. De fato, só agora estou dando sentido concreto a isso. Lembre-se, eu perguntei no início se podemos usar o valor das perdas obtidas em uma transação como um corretor? Isso é o que precisamos fazer.
Neutron, eu também queria perguntar sobre o treinamento da Hebb(lido por Wasserman). Parece que a fórmula para a correção de pesos é muito simples lá:
Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)] e sem queda de gradiente. Isto vai funcionar?
Eu não tenho brincado com Hebb-m. Já estou farto do que tenho. Eu, em geral, sou partidário de simplificar ao máximo um problema, praticamente ao nível, até que eu mesmo comece a entender o quê para quê:-) Deste ponto de vista, NS habitual de duas camadas é um aproximador universal, capaz de resolver quase todos os problemas de extrapolação de dados de entrada, está provado rigorosamente. Então, por que todos os babados, se eu tenho meios e poder suficientes para re-treinar esta grade mágica e simples em cada uma de minhas transações? Isso mesmo, sem razão! Quanto a Wasserman, se ele diz que está certo, então está certo! É claro que vai funcionar.
Você está resolvendo o problema da entrada ótima de NS agora. É claro que você pode simplesmente alimentá-la com vários indutores na esperança de que a rede decida o que é melhor para ela... Mas é melhor pensar "qual é o TS ideal no mercado? Talvez você devesse prever seus momentos?
Leia este trabalho. É claro que há falhas, mas elas não são fundamentais:
Eu não tenho brincado com Hebb-m. Já estou farto do que tenho. Eu, em geral, sou partidário de simplificar ao máximo um problema, praticamente ao nível, até que eu mesmo comece a entender o quê para quê:-) Deste ponto de vista, NS habitual de duas camadas é um aproximador universal, capaz de resolver quase todos os problemas de extrapolação de dados de entrada, está provado rigorosamente. Então, por que todos os babados, se eu tenho meios e poder suficientes para re-treinar esta grade mágica e simples em cada uma de minhas transações? Isso mesmo, sem razão! Quanto a Wasserman, se ele diz que está certo, então está certo! É claro que vai funcionar.
Você está resolvendo o problema da entrada ótima de NS agora. É claro que você pode simplesmente alimentá-la com vários indutores na esperança de que a rede decida o que é melhor para ela... Mas é melhor pensar "qual é o TS ideal no mercado? Talvez você devesse prever seus momentos?
Leia este trabalho. É claro que existem algumas falhas, mas não são principais:
Sim, obrigado, estou lendo isso agora, estou realmente preso.