"New Neural", MetaTrader 5 platformu için bir sinir ağı motorunun Açık Kaynak projesidir. - sayfa 77
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Görev, pazarı Trend Top, Trend Down, Trend Wdoc kümelerine bölecek bir vektör seçmektir.
Örneğin, X{x1,x2,x3,x4,x5,x6,x7} fantezisine göre bir vektör dizisi oluşturuyoruz.
х1= MA dönemi
х2= RSI dönemi
x3=MA değeri
x4= RSI değeri
x5=varyans ör. Bollinger
x6=trend bileşeni MA(N)-MA(N-1)
х7=MA sayısı ve fiyat kesişimleri
Ayrıca, bu vektörlerin dizisi Kohonen haritası tarafından kümelenirse, yakındaki vektörler yakın olacaktır. Öklid mesafelerinin x1, x2, x4, x7'den daha fazla etkileneceği ortaya çıktı. Her ne kadar x3, x5, x6'nın özellikleri daha önemli değilse de daha az değildir. -1 ... 1 aralığındaki tüm x'leri bir şekilde normalleştirmek mümkün, ancak bunu nasıl yapacağımı hayal edemiyorum. Ya da pazarın özelliklerini değer olarak yakın alın, sonra sinekle köfte karşılaştırmasını elde ederiz.
Vektörler yakın olacak:
X1{10,13,26,12,42,48,98} ve
X2{11,12,27,14,43,46,88} ve X3 vektörü başka bir kümede olacak
X3{101,12,27,14,43,46,88}
bir gerçek olmasa da Hamming mesafesine göre kümelerin nasıl bölündüğünü, vektörlerin parametrelerinin "Trend Top, Trend Down, Trend Down" ilkesine göre bölünürse nasıl görüneceğini sadece FF'nin bildiğini gösterdim :)
Temelde anladım. Normalleşme olmadan yapamazsınız. Diyelim ki üç vektör
X1 {10,10,0.1}
X2 {11,10,0.3}
X3 {10,12,-0.2} Üç vektörün hepsi aynı kümeye ait gibi görünüyor
Eğitim setinde x1= min 0 max 20, x2=min -10 max 40 x3= dk -0.5 max 0,5 Şimdi orijinal vektörleri normalize ediyoruz
X1 {0.5, 0.2, 0.1}
X2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2} Artık kümeler farklıdır, sonuçta ortaya çıkan vektörleri yine de bir birim vektöre normalize edebilirsiniz, ancak bu zaten gereksiz olacaktır. Bence işe yaramalı.
Temelde anladım. Normalleşmeye gerek yok...
Prensip olarak, normalleştirme olmadan, hiçbir yerde her şey doğrudur, aksi takdirde çok geniş bir aralıktaki ağırlıkları aramak zorunda kalırsınız (normalleştirme sorununu ızgaranın omuzlarına kaydırırlar). Ancak, kümeler üzerindeki ızgara dağılımının, girdi vektörlerinin doğrudan yakınlığına değil, ağırlık katsayılarına bağlı olduğunu unutmayın. Ve yakınlarda (parametreler açısından) bulunan iki vektör farklı kümelerde ve uzak olanlar bir kümede olduğunda bir durum ortaya çıkabilir. Her şey FF'ye bağlı.
Tehdit CUDA ile çalışmak için dll yazmayı düşünüyorum veya bir dakika bekleyin, nöroya ek olarak GPU için bir konu daha var.
Renat , ME'de OpenCL ve depolama entegrasyonu ile işler nasıl gidiyor?
Tehdit CUDA ile çalışmak için dll yazmayı düşünüyorum veya bir dakika bekleyin, nöroya ek olarak GPU için bir konu daha var.
OpenCL beta aşamasında - geliştirme aşamasında, depolama zaten beta aşamasında.
Önümüzdeki hafta bir sonraki derlemede, Market'in dahil edilmesi ve belki de düzenleyicide depolama ile sizi memnun edeceğiz.
OpenCL beta - geliştirme aşamasında...
Önümüzdeki hafta bir sonraki derlemede, Market'in dahil edilmesi ve belki de düzenleyicide depolama ile sizi memnun edeceğiz.
beta mı tam sürüm mü?
Pazar tamamlandı.