Yapay sinir ağları. - sayfa 6
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
Herhangi bir müdahale yok. Ağlar hakkında derin bir anlayış vardır. Bunu burada uzun süre ve nedenini belirtmek için. Bu nedenle, kendimi fikrimin kısa bir özetiyle sınırlandırıyorum. Aynı fikirde olmayanlar konuşur, örnekler verirler, hatta isterseniz Rönesans Teknolojileri . Birlikte gülelim.
Ağlar hakkında derin bir anlayış vardır. Bunu burada uzun süre ve nedenini belirtmek için.
Herhangi bir müdahale yok. Ağlar hakkında derin bir anlayış vardır. Bunu burada uzun süre ve nedenini belirtmek için. Bu nedenle, kendimi fikrimin kısa bir özetiyle sınırlandırıyorum. Aynı fikirde olmayanlar konuşur, örnekler verirler, hatta isterseniz Rönesans Teknolojileri . Birlikte gülelim.
Şimdi örnek vermek muhtemelen imkansız, ama gelecekte, terminalin, programlama dilinin, araç setinin evrimi ile, tam teşekküllü AI yapmak mümkün olacak, birçok harika insan ilerleme konusunda yanılıyordu, bazıları fikirlerini değiştirdi. zaman, çoğu bu yüzden başarısız oldu, bu yüzden beklemek zorundayız Hoşçakal
2 matematikçi, 2 fizikçi, 2 sinirbilimci ve 2 ekonomist
Ne kadar kısır bir döngü ortaya çıkıyor!
NS girişlerine neyin beslenmesi gerektiğini biliyorsak, NA nafik'e gerek yoktur.
Ve girdilere her türlü pisliği uygularsanız, o zaman Millet Meclisi karar verir ve öğrenir.
Sonuç kendini gösteriyor: Sinir ağları hayali mi?!!!! =)
Gerçekten önemli bilgileri Ulusal Meclis'in girdilerine sunmanın gerekli olduğunu düşünüyorum:
1) en son alıntılar, örneğin, son 10 saatlik çubuklar (Ulusal Meclis'in seviyeleri ve kalıpları belirleyebilmesi için);
2) Güncel saat (Haberler ve piyasa açılışları yuvarlak zaman değerlerinde gerçekleştiğinden, Ulusal Meclis oynaklıkta ne zaman sıçramalar bekleyeceğini bilsin);
3) Makroekonomik göstergeler (tercihen gerçek zamanlı, onları MT5'e nasıl ve nereye gireceğimi bilmiyorum);
4) Haber farklı bölgelerde iyi kötü araya girmek);
Şimdi örnek vermek muhtemelen imkansız, ama gelecekte, terminalin, programlama dilinin, araç setinin evrimi ile, tam teşekküllü AI yapmak mümkün olacak, birçok harika insan ilerleme konusunda yanılıyordu, bazıları fikirlerini değiştirdi. zaman, çoğu bu yüzden başarısız oldu, bu yüzden beklemek zorundayız Hoşçakal
bir araya gelip gerçekten işe yarayan bir şey yapmayacaklar)) ayrıca, bu sinir ağlarının henüz var olmadığının garantisi yok, belki de birinin terminalinde kendileri için sessizce çalışıyorlarYapay sinir ağlarındaki ilerleme 1943'te başladı ve 69 yıl boyunca kedileri köpeklerden ayırt etmeyi bile öğrenemediler. Başarıyla uygulandıkları alanlar vardır, verilerin doğrusal olmayan önemli dönüşümlere ihtiyaç duymadığı alanlar. Örneğin, günün saatine ve hava sıcaklığına göre elektrik tüketimini tahmin etmek. Veya fabrika siparişlerine, kişisel gelire, işsizlik oranlarına vb. dayalı GSYİH büyümesini tahmin etmek. Piyasada zincirler geçmiş fiyatlara göre karar vermek zorundadır. N geçmiş fiyatlarının kendilerini ağ girdilerine beslemek iyi bir şeye yol açmayacaktır, bu nedenle gürültülü veriler arasında doğrusal olmayan bir ilişki kurmak aptalcadır. Piyasada kalıplar vardır, ancak bunlar o kadar çarpıktır ki, zamanın ve fiyatın lineer olmayan dönüşümünün olağan yöntemleri bile bunları oluşturamaz. Örneğin, N geçmiş fiyattan sadece bir veya iki bölüm en önemli anlar, yani bu fiyatların destek ve direnç seviyelerine ulaştığı, trend çizgileri veya yön değiştirdiği bölümler olabilir. Çoğu durumda fiyatın bu önemli alanlar arasında nasıl hareket ettiği önemli değildir. Yani, böyle bir doğrusal olmayan dönüşümle N verisinin boyutu önemli ölçüde 2-3x'e düşürülür. Ağ, böyle doğrusal olmayan bir fiyat dönüşümünü kendi başına yapmayı asla öğrenemeyecek. Yapmamız gereken bu. Ancak fiyatlar ile ne yapacağımızı biliyorsak, stratejiyi önceden biliyoruz (örneğin seviye dağılımı) ve neden bir ağa ihtiyacımız var? Bir trendde 1-2-3 örüntüsünün trendin devamına yol açtığını biliyorsak neden bir ağa ihtiyacımız var? Belki gelecekte bilgisayarlar o kadar güçlü olacak ki biyolojik olanlara daha çok benzeyen yeni ağ türleri ortaya çıkacak (belki 20-30 yıl içinde).
Burada ayrıca okuyun, ağların dezavantajları burada iyi bir şekilde açıklanmıştır: https://en.wikipedia.org/wiki/Neural_network
Örneğin, bu pasaj:
büyük ve etkili yazılım sinir ağlarını uygulamak için çok fazla işleme ve depolama kaynağının tahsis edilmesi gerekir. Beyin, bir nöron grafiği aracılığıyla sinyalleri işleme görevine göre uyarlanmış donanıma sahip olsa da, Von Neumann teknolojisi üzerinde en basitleştirilmiş bir formu bile simüle etmek, bir NN tasarımcısını bağlantıları için milyonlarca veritabanı satırını doldurmaya zorlayabilir - bu da çok büyük miktarlarda veri tüketebilir. bilgisayar belleği ve sabit disk alanı. Ayrıca, NN sistemlerinin tasarımcısı genellikle bu bağlantıların birçoğu ve bunlarla ilişkili nöronlar aracılığıyla sinyallerin iletimini simüle etmeye ihtiyaç duyacaktır - bu genellikle inanılmaz miktarlarda CPU işlem gücü ve zamanı ile eşleştirilmelidir. Ağlar genellikle etkili programlar sağlarken, bunu da çoğu zaman sinirsel verimlilik pahasına yaparlar (önemli miktarda zaman ve para tüketme eğilimindedirler).
Şimdi örnek vermek muhtemelen imkansız, ama gelecekte, terminalin, programlama dilinin, araç setinin evrimi ile, tam teşekküllü AI yapmak mümkün olacak, birçok harika insan ilerleme konusunda yanılıyordu, bazıları fikirlerini değiştirdi. zaman, çoğu bu yüzden başarısız oldu, bu yüzden beklemek zorundayız Hoşçakal
Ve terminal ve MQL5'in bununla hiçbir ilgisi yok, çünkü Uzun bir süredir, hiç kimse genel olarak AI'yı ve özellikle NN'yi, daha sonra MT'ye kitaplıklar şeklinde bağlanma da dahil olmak üzere diğer araçlarda (tam teşekküllü) uygulanmasını yasaklamıyor.
Sorun, bir ızgara oluşturmak ve bir şeyler öğretmek değildir (bunun nasıl yapılacağı anlaşılabilir, çünkü çok fazla bilgi ve hatta hazır uygulamalar var). Şebekelerle ilgili sorun tamamen farklıdır - aslında burada dile getirilmiştir - şebekenin tüm etkinliği, onu eğittiğimiz ilk verilerin seçiminde "gömülür". Ve doğru verileri seçmek (piyasa bağlamında), doğru bir şekilde dönüştürmek (örneğin, teorilerden birine göre, dışsal tezahürlerin arkasına gizlenmiş, stokastik bir sürecin çekicilerinin oluştuğu çok boyutlu bir alana yeniden hesaplamak) alıntı değişiklikleri) - bu, pratikte yararlı bilgiler görmediğim en değerli bilgi birikimidir. Yukarıdaki başlıkta önerilen her şey zaten denendi, elbette boşuna. Örneğin, makro göstergeler bir ızgaraya ihtiyaç duymaz, çünkü onları doğru yorumlayabilirseniz, ellerinizle işlem yapabilirsiniz. Haber bir gösterge değildir, çünkü ilk olarak, onlara verilen tepki olaydan sonra olacaktır ve biz de bir nevi hareketleri tahmin etmek ve haberler daha çıkmadan karar vermek istiyoruz; ve ikincisi, haberlere verilen tepki tahmin edilemez - örneğin: Japonya'da bir deprem - yen daha da kötüleşecek gibi görünüyor, ancak aslında buna olan talep arttı ve genellikle haberler olumsuz görünüyor, ancak daha az olumsuz görünüyor beklenenden daha fazladır ve bu, pazarın yükselmesinin bir nedeni olarak algılanır, vb. Genel olarak, her şey zaten denendi. Başarılı olanlar (varsa) burada oturmazlar. Ve bilgi birikimini paylaşmıyorlar.
Piyasadaki ağlar hakkında tartışmaya devam ediyoruz. Örnek olarak beynimizin görme korteksini ele alalım. Bu korteksin yalnızca V1 katmanı 140 milyon nöron içerir ve yalnızca 6 katman vardır. Tüm bu nöronlar bilgiyi paralel olarak işler ve milyarlarca uyarlanabilir sinaps aracılığıyla birbirine bağlanır. Tüccarların emrindeki bilgisayarlar 1000'e kadar GPU çekirdeğine sahip olabilir. Yani, görsel korteksin çalışmasını taklit etmek için her bir çekirdeğin gerçek zamanlı olarak yüz binlerce nöronu hesaplaması gerekir. Böyle bir ağın eğitimi yaklaşık bir yıl sürecektir. Ve tüm bunlar dünyayı görmek ve görüntüleri tanımak için. Bu ağı başarılı bir şekilde eğitmeyi başarsak bile, görsel bilgiden fazlasını kullandığımız için yine de bizimkiyle aynı nesne tanıma doğruluğunu elde edemeyecek. Örneğin, yapay ağlar için en zor görevlerden biri gölge tanımadır. Işığın özelliklerine aşina olduğumuz için bu bizim için önemsizdir. Ama ağ, ışığın bu özelliklerini bilmez ve biz ona bu özellikleri öğretmezsek, onları kendisi kuramaz. Ağ ayrıca nesne şeffaflığı ve benzerlerine aşina değildir. Şimdi görsel bilgiden çok daha fazla gürültünün olduğu ve nesnelerin (fiyat kalıplarının) çok daha çarpık olduğu bir piyasayı ele alın. Ve birkaç düzine nöronun geçmiş fiyatlara bakmasını ve bizim için pazar kalıpları oluşturmasını istiyoruz. Komik, değil mi?
Piyasadaki ağlar hakkında tartışmaya devam ediyoruz. Örnek olarak beynimizin görme korteksini ele alalım. Bu korteksin yalnızca V1 katmanı 140 milyon nöron içerir ve yalnızca 6 katman vardır. Tüm bu nöronlar bilgiyi paralel olarak işler ve milyarlarca uyarlanabilir sinaps aracılığıyla birbirine bağlanır. Tüccarların emrindeki bilgisayarlar 1000'e kadar GPU çekirdeğine sahip olabilir. Yani, görsel korteksin çalışmasını taklit etmek için her bir çekirdeğin gerçek zamanlı olarak yüz binlerce nöronu hesaplaması gerekir. Böyle bir ağın eğitimi yaklaşık bir yıl sürecektir. Ve tüm bunlar dünyayı görmek ve görüntüleri tanımak için. Bu ağı başarılı bir şekilde eğitmeyi başarsak bile, görsel bilgiden fazlasını kullandığımız için yine de bizimkiyle aynı nesne tanıma doğruluğunu elde edemeyecek. Örneğin, yapay ağlar için en zor görevlerden biri gölge tanımadır. Işığın özelliklerine aşina olduğumuz için bu bizim için önemsizdir. Ama ağ, ışığın bu özelliklerini bilmez ve biz ona bu özellikleri öğretmezsek, onları kendisi kuramaz. Ağ ayrıca nesne şeffaflığı ve benzerlerine aşina değildir. Şimdi görsel bilgiden çok daha fazla gürültünün olduğu ve nesnelerin (fiyat kalıplarının) çok daha çarpık olduğu bir piyasayı ele alın. Ve birkaç düzine nöronun geçmiş fiyatlara bakmasını ve bizim için pazar kalıpları oluşturmasını istiyoruz. Komik, değil mi?
Başka bir örnek vereceğim.
RBC sitesine gittim, bugün 137 haber karalanmış ve 3 tanesinin ruble kuru üzerinde gerçek bir etkisi olmuş olabilir.Ayrıca haberlerde yazılmayan etkiler olma ihtimali çok yüksek.
Yani, yalnızca girdi akışını nasıl çok iyi filtreleyeceğinizi öğrenmeniz gerekmez, aynı zamanda girdi akışının belirli fiyat değişikliklerinin nedenlerini açıklayan bilgiler içermemesi de iyi olabilir.
Genel olarak, sıcağı yumuşakla karıştırmayın. Makineler başlangıçta monoton/öğrenilmiş insan emeğinin yerini almak için yaratılmıştı. Ticaret alanını ele alırsak, katılımcıların büyük çoğunluğu ne yaptıklarına dair çok az bilgiye sahipler ve bu da aslında sonuçlara yansıyor. M3 dolarını ve SP500'ün dinamiklerini ele alırsak, gelecekte sonuçları garanti eden kesin ilkeler yoktur, satın al ve tut stratejisinin bile para kaybettiği açıktır. O zaman makineler ne yapmalı - ayrıca monoton bir şekilde kaybetmeli ...
Sanat sanat uğruna olsa da, yaşama hakkı da vardır.