"New Neural", MetaTrader 5 platformu için bir sinir ağı motorunun Açık Kaynak projesidir. - sayfa 97

[Dmitry Fedoseev]

Реter Konow :
TAMAM. Pratik bir analoji bulmamız gerekiyor. Diyagram, katmanların farklı sayıda nörona sahip olduğunu göstermektedir. Diyagramı çevirirseniz, bir piramit elde edersiniz. Bu, sonucun birkaç işleme aşamasından geçtiği anlamına gelir. Bir katmanda ne kadar çok nöron varsa, bu katman o kadar fazla veri alır ve işler. Bir sonraki katman öncekinden daha az veri veriyorsa, veriler katmandan katmana genelleştirilir mi?

Evet, genelleştirilirler. Örneğin girişte 100 çubuk varsa, çıkışta iki komut gerekir: al veya sat.

Görev, sinir ağının çok fazla veri içermesi değil, öğretilen veri miktarına karşılık gelmesidir. Ağ çok büyükse ve yeterli veri yoksa kolayca öğrenecek ancak diğer verilere genelleme yapamayacaktır. Yani, nöron sayısı mümkün olduğunca az olmalıdır. Üçten fazla katmana gerek yok gibi görünüyor. İlk katmanda, nöronların sayısı ilk veri modelinin boyutuna ve son katmanda ortaya çıkan varyantların sayısına karşılık gelir. Ve arada mümkün olduğunca az, ancak hafta sonundan daha az değil.

[Maxim Dmitrievsky]

Igor Makanu :

kod basit, ancak girdi verilerimiz pek uygun değil:

Wiki entropisi: ".... gerçek bir sürecin ideal olandan sapma ölçüleri. ... Matematiksel olarak, entropi, keyfi bir sabite kadar tanımlanan sistemin durumunun bir fonksiyonu olarak tanımlanır."

ve?

Fin.BP'de ideal bir pazar ne olabilir? - evet kim bilir, tamam, ilk varsayım bu olsun, ideal piyasa = sinüzoid!

Girdi olarak en az 3 yüksek, düşük, yakın fiyatımız var - ve kimi kullanacağız? - Tamam, bu ikinci varsayım, medyan fiyat kuralları olsun!

nereden ve nereden ölçülecek? - günün başlangıcı? haftalar? son kullanma günü? ticaret seansı ? - Tamam, günün başlangıcı, bu üçüncü varsayım olsun ....

toplam 3 soru, 3 kez haklı olduğumuzu varsayıyoruz? burada görev kombinatoriklere indirgenecek: kaç kez doğru ilk hipotezi ortaya koyacağız ve daha fazla araştırmamız kaç kez pazarın doğru bir değerlendirmesine yol açacak ... tarihte )))

entropi kulağa hoş geliyor, ancak bu konuyu bilgi entropisi konumundan birkaç yıl önce kazdım, sadece bir sonuç var - mum kombinasyonlarının (desen) bir sonraki tekrarı oluşmaya başlarsa veya mum kombinasyonlarının (desen) en yakın tekrarı ise tarihte - işe yaramaz, çünkü herkes için açık olan piyasada çalışmaz, bu yüzden kalıplar ve korelasyonlarla aynı, sadece belirginleşirler - görünmeyi bırakırlar))))), genellikle bu gibi durumlarda kendime - tek akıllı sen değilsin, dünyanın yarısı monitörlerde çok akıllı)))

hayır, bakın, bu entropi sanal gerçeklikteki bilgi miktarını tahmin ediyor. Entropi ne kadar düşükse, o kadar fazla bilgi (daha belirgin döngüler). Onlar. ölçü görecelidir ve örneğin diğer durumlara göre kullanılır. Orada daha düşük ve ticaret kaba. misal

peki, Hurst ile bir benzetme, sc ile ölçülür. pencere

[Реter Konow]

Andrey Dik :

katmanda öncekinden daha az nöron varsa, bilgi sıkıştırılır ve "paket açma" - öncekinden daha fazla nöron varsa.

TAMAM. TEŞEKKÜR. Alınan bilgileri tahmin edeceğim. O zaman burada daha fazla uzmana soracağım. ))

[Alexander_K]

Entropi hakkında:

https://habr.com/ru/post/305794/

[Реter Konow]

Dmitry Fedoseev :

Evet, genelleştirilirler. Örneğin girişte 100 çubuk varsa, çıkışta iki komut gerekir: al veya sat.

Görev, sinir ağının çok fazla veri içermesi değil, öğretilen veri miktarına karşılık gelmesidir. Ağ çok büyükse ve yeterli veri yoksa kolayca öğrenecek ancak diğer verilere genelleme yapamayacaktır. Yani nöron sayısı mümkün olduğunca az olmalıdır. Üçten fazla katmana gerek yok gibi görünüyor. İlk katmanda, nöronların sayısı ilk veri modelinin boyutuna ve son katmanda ortaya çıkan varyantların sayısına karşılık gelir. Ve arada mümkün olduğunca az, ancak hafta sonundan daha az değil.

TAMAM. Üzerinde düşünmek gerekiyor. Daha sonra tekrar yazacağım.

[Andrey Dik]

Dmitry Fedoseev :

.... Üçten fazla katmana gerek yok gibi görünüyor. İlk katmanda nöron sayısı, ilk veri modelinin boyutuna, son katmanda ise ortaya çıkan varyantların sayısına karşılık gelir. Ve arada mümkün olduğunca az, ancak hafta sonundan daha az değil.

ve 3 katmana gerek yok. bir iç katmana sahip bir ağın herhangi bir sürekli fonksiyona yaklaşabileceği ve iki katmanlı bir ağın süreksizlikleri olan fonksiyonlara da yaklaşabileceği matematiksel olarak kanıtlanmıştır (kitapların bir yerinde kanıtla karşılaştım). bu nedenle, bu kanıta dayanarak, katmanlarda 2x'ten daha fazla miktarda pratik bir anlam olmadığı ve yalnızca fazla uydurmaya yol açtığı sonucu çıkar.

not onlar. en fazla 2 iç katman gereklidir (ve çoğu durumda bir tane yeterlidir).

[Igor Makanu]

Maxim Dmitrievsky :

hayır, bak, bu entropi VR'deki bilgi miktarını değerlendirir. Entropi ne kadar düşükse, o kadar fazla bilgi (daha belirgin döngüler). Onlar. ölçü görecelidir ve örneğin diğer durumlara göre kullanılır. Orada daha düşük ve ticaret kaba. misal

peki, Hurst ile bir benzetme, sc ile ölçülür. pencere

Maxim, haklısın ama teoride

işte bir grafik, bilgi miktarı için ne alabiliriz? 1 çubuk? - ciddiye değil, bir grup çubuk alın - belirli bir süremiz var, o zaman yaklaşımımız kükremenin mevcut durumunu RSI, stokastik, pire çizelgeleri kullanarak değerlendirmekten daha iyi nasıl olabilir? - ne derse desin aynı, IMHO

TS kullanımının piyasa bağlamına bağlı olması gerektiği gerçeği - evet, ancak bağlam çok zayıf bir şekilde resmileştirilmiştir, kim mevcut daireyi bağlam ve ticaret düzlüğü olarak almaya çalışır, biri bir trend çizgisi çizer ve bekler bir arıza için .... ve kim haklı?

[Maxim Dmitrievsky]

Igor Makanu :

Maxim, haklısın ama teoride

işte bir grafik, bilgi miktarı için ne alabiliriz? 1 çubuk? - ciddiye değil, bir grup çubuk alın - belirli bir süremiz var, o zaman yaklaşımımız kükremenin mevcut durumunu RSI, stokastik, pire çizelgeleri kullanarak değerlendirmekten daha iyi nasıl olabilir? - ne derse desin aynı, IMHO

TS kullanımının piyasa bağlamına bağlı olması gerektiği gerçeği - evet, ancak bağlam çok zayıf bir şekilde resmileştirilmiştir, kim mevcut daireyi bağlam ve ticaret düzlüğü olarak almaya çalışır, biri bir trend çizgisi çizer ve bekler bir arıza için .... ve kim haklı?

ah, peki, anlıyorum .. sk. pencereyi optimize et, entropideki değişime bak, modeli farklı pencerelerle eğit, etrafa bak ve sonuçlar çıkar. Geçmişi gösterdiği açıktır, ancak tahmin ufkunu kısaltırsanız ve bu aralıkları Moshka ile bitirirseniz, bilgi çıkarın.

ben bu konuda gibiyim

rsi size açıkça periyodik döngüler olup olmadığını söylemeyecektir, bunu entropi üzerinden değerlendirebilirsiniz. İşe yarayacağını söylemiyorum, veri madenciliği yapılması gerektiğini söylüyorum.

[Igor Makanu]

Maxim Dmitrievsky :

ah, peki, anlıyorum .. sk. pencereyi optimize et, entropideki değişime bak, modeli farklı pencerelerle eğit, etrafa bak ve sonuçlar çıkar. Geçmişi gösterdiği açıktır, ancak tahmin ufkunu kısaltırsanız ve bu aralıkları Moshka ile bitirirseniz, bilgi çıkarın.

ben bu konuda gibiyim

rsi size açıkça periyodik döngüler olup olmadığını söylemeyecektir, bunu entropi üzerinden değerlendirebilirsiniz. İşe yarayacağını söylemiyorum, veri madenciliği yapılması gerektiğini söylüyorum.

Her şeyi sormayacağım, ama zaten bir şeyler okumaktan bıktım ... NN'yi kayan bir pencerede eğitmek ne kadar doğru?

- periyodik bilgi arıyorsak - evet, doğru, NN gizli döngüleri bulacak ve ağırlık katsayılarını kendi kendine ayarlayacaktır.

- NN'ye tanımayı öğretirsek, evet, NN öğrenecektir

- piyasada periyodik döngüler yok, bir yerde ZZ tepelerinin oluşum zamanını çizen bir ZZ'm vardı, ZZ'nin herhangi bir ayarıyla, asla periyodik tekrarlar yoktur, bir sonraki kırılma diye bir şey yoktur. ZZ, 5,11,7,3... .5,11,7,3.... gibi çubuklarda olacak - tüm olası kombinasyonlar olacak, ancak tekrarlar olmayacak

Sinir ağını periyodik olmayan bilgilerin kayan bir penceresinde eğitirsek, oradaki ağırlık katsayılarına ne olur? - hatırladığım kadarıyla, tek katmanlı bir ağ İbranice bile eğitilemez, sadece çok katmanlı bir ağ - bu tür şeyler için kayan bir pencere kullanılabilir mi? şüphelerim var

Not: veri madenciliği - evet, bilgi taşıyacak verileri filtrelemeyi başarırsanız - o zaman Kase'niz olur;)

[Maxim Dmitrievsky]

Igor Makanu :

Her şeyi sormayacağım, ama zaten bir şeyler okumaktan bıktım ... NN'yi kayan bir pencerede eğitmek ne kadar doğru?

- periyodik bilgi arıyorsak - evet, doğru, NN gizli döngüleri bulacak ve ağırlık katsayılarını kendi kendine ayarlayacaktır.

- NN'ye tanımayı öğretirsek, evet, NN öğrenecektir

- piyasada periyodik döngüler yok, bir yerde ZZ tepelerinin oluşum zamanını çizen bir ZZ'm vardı, ZZ'nin herhangi bir ayarıyla, asla periyodik tekrarlar yoktur, bir sonraki kırılma diye bir şey yoktur. ZZ, 5,11,7,3... .5,11,7,3.... gibi çubuklarda olacak - tüm olası kombinasyonlar olacak, ancak tekrarlar olmayacak

Sinir ağını periyodik olmayan bilgilerin kayan bir penceresinde eğitirsek, oradaki ağırlık katsayılarına ne olur? - hatırladığım kadarıyla, tek katmanlı bir ağ İbranice bile eğitilemez, sadece çok katmanlı bir ağ - bu tür şeyler için kayan bir pencere kullanılabilir mi? şüphelerim var

Not: veri madenciliği - evet, bilgi taşıyacak verileri filtrelemeyi başarırsanız - o zaman Kase'niz olur;)

Kesin olarak periyodik olmaları gerekmez, ancak gürültü olmaması gerekir. Resim olasılıklı ve katı değil. Kayan pencere hem entropi göstergesi hem de eğitim için özellik sayısı içindir, bunlar optimize edilebilir.

örnekler tutarsızsa, hiçbir şey işe yaramaz, çoğu 50/50 hataya sahiptir. Bir döngü çelişkili olamaz, herhangi bir biçimde ya vardır ya da yoktur. Birçok farklı döngü eklerseniz, birbirleriyle çelişmezler.

Döngü / döngü değil - entropi metriği çerçevesinde göreceli bir kavram