Bir mayın tarlasında pazar görgü kuralları veya görgü kuralları - sayfa 87
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
Bu görevi Millet Meclisi'nin eline veririm, mümkünse "kısa" bir tarihin (sonuçta tarih, TA'da başka ne kullanılabilir?) analizine dayanarak, (H) yönünde açmaya karar verir. +) veya karşı (H -).
O halde tezden geriye pek bir şey kalmadı, değil mi?
Ve size göre algılayıcı SADECE yönü tahmin etmelidir.
O halde tezden geriye pek bir şey kalmadı, değil mi?
Ve size göre algılayıcı SADECE yönü tahmin etmelidir.
Yani tezle ilgilenmiyoruz, ama kârla ilgileniyoruz ... aynı nedenle, yön dışında (bir sonraki geri sayımın işareti), hiçbir şey bilmemize gerek yok.
Shepherd'ın kalıpları aynı şey değil mi?
Onları analiz etmekten farkı nedir - istatistikler veya ağlar ...
Ağıma ağırlık sayısı 45 olan 300 eğitim örneği verildi. Literatürde eğitim örneklerinin sayısı ağırlıkların 5 katı olursa ağın %95 olasılıkla genelleştirileceğine dair bir görüş var. Onlar. ağımın teoriye göre iyi bir genellemesi olmalı, ama gerçekte yok. Bu nedenle, bunu doğrulamak için örnekler verdim. Buradaki noktanın daha fazla eğitim örneği almamak olduğunu düşünüyorum. Buradaki nokta, ağı çözmeye zorladığım görevin doğasıdır. Ağın bir sonraki fiyat adımının boyutunu tahmin etmesini sağlamaya çalışırsanız, eğitim sırasında, tahmin edilen adım ve geçmiş girdi arasındaki orantılılığı korumak için nöronların aktivasyon fonksiyonunun doğrusal bölgesinde çalıştığı ağırlıklara yönelecektir. adımlar. Yani, görevin kendisi doğrusaldır. Bu durumda, gizli nöronların eklenmesi hiçbir şeyi iyileştirmeyecektir. Ve gizli katmanın kendisi gereksiz hale gelir. Ağımla deneyler yaparak, tek katmanın çift katman kadar iyi çalıştığı sonucuna vardım. Bence bu konudaki geçmiş yazılarınızı okuyarak EURUSD için de aynı sonuca vardınız.
Benim düşünceme göre, ağ, nöronların aktivasyon fonksiyonunun kademeli olarak seçilebileceği oldukça doğrusal olmayan görevler (XOR görevi veya sınıflandırma görevleri gibi) için kullanılmalıdır.
Sizin için zor değilse, NN'nin eğitildiği örneği (.rar) atın, yaklaşık 10.000 örnekten oluşan bir örnek. Ya da onu oluşturacak kod...
Ağa gönderdiğiniz örnekteki ilk izlenimlere göre girdi ve çıktı arasında güçlü bir doğrusal ilişki vardır - bu nedenle ağ doğrusal bir çözücü gibi çalışır...
//----
örnek hakkında: eğitim için yeterli bir örnek belirlemenin bir yolu var, ancak ağ (10-21-8-1) 50.000 örnek ve 100.000 örnekten oluşan bir örnekle yeniden eğitilebilir ...
bu yüzden çapraz doğrulama ile eğitmek daha iyidir ...
Yani tezle ilgilenmiyoruz, ama kârla ilgileniyoruz ... aynı nedenle, yön dışında (bir sonraki geri sayımın işareti), hiçbir şey bilmemize gerek yok.
Ve mum yönü tahmininin hangi zaman diliminde mantıklı olduğunu düşünüyorsunuz? Şimdi bu yönde kazıyorum (sinir ağı kullanılmıyor); sonuçlar (doğru tahmin olasılıkları) şu şekildedir: m1- %69, m5- %61, m15- %58, m30- %56, h1- %55, h4- %51, d1- %46, w1- 51 %, m1- %58. Bu yöntemi esas alan Expert Advisor, yayılma hızı ile birleşiyor. :/
Ve mum yönü tahmininin hangi zaman diliminde mantıklı olduğunu düşünüyorsunuz? Şimdi bu yönde kazıyorum (sinir ağı kullanılmıyor); sonuçlar (doğru tahmin olasılıkları) şu şekildedir: m1- %69, m5- %61, m15- %58, m30- %56, h1- %55, h4- %51, d1- %46, w1- 51 %, m1- %58. Bu yöntemi esas alan Expert Advisor, yayılma hızı ile birleşiyor. :/
Bana göre hiçbiri. Ateş kutusu için zaman dilimleri!
Bana göre hiçbiri. Ateş kutusu için zaman dilimleri!
Sonuçta, Kahramanınızın mizacını miras aldınız! Acele etmeyin, zaman gelecek ve şöyle bir şey yazacaksınız:
tiki f ateş kutusu!!!
Sadece her şeyin bir zamanı var...
İyi şanlar! :hakkında)
Sadece her şeyin bir zamanı var...
Sinir ağım istatistik kazanırken (bu süre zarfında, gizli katmandaki çok sayıda nöronla yakınsamanın kararsızlığı nedeniyle süreci birkaç kez devre dışı bıraktı, sayma oranı katsayısının normalleşmesini yeniden tanıtmak zorunda kaldım) ağırlık vektörünün uzunluğu), NN uygulanabilirlik alanı hakkındaki düşüncelerimi ifade edeceğim.
Yukarıda, eğitilmiş ağın eğitim vektöründeki istatistiksel boşlukları doldurma yeteneğini önerdim. Bu, bence, sinir ağını eğitim verisi eksikliği ile etkin bir şekilde kullanmayı mümkün kıldı. Ancak, doğanın daha da ilginç olduğu ortaya çıktı... Görünüşe göre Ulusal Meclis'in ana uzmanlığı biraz farklı bir alanda yatıyor. Çalışması, eğitimde yer almayan girdi verilerinin bu değerlerine dayalı olarak bir değer (tahmin) "yayınlamaya" indirgenmiştir. Bu anlaşılabilir bir durumdur, ancak daha yakından düşünün... üzerinde beklenen değeri en güvenilir şekilde tahmin etmek için SÜREKLİ girdi özellikleri alanında (giriş verilerini kabul eden değer aralığı) birkaç referans noktasına sahip olmamız yeterlidir. "biraz" yanlış giriş verileri. Ana olan NN'nin bu özelliğidir ve buradaki kilit nokta, giriş verilerinin aralığının sürekli olmasıdır. Burada Ulusal Meclisin gücü tam olarak ortaya çıkıyor.
Giriş verileri ayrık ise ne olur? Ve özel bir şey yok, Ulusal Meclis aynı şekilde çalışacak. Doğru, şimdi tüm ayrık değer kombinasyonları hakkında istatistik toplama ve NN ile aynı tahmini yapma, ancak onsuz yapma fırsatımız var. Ancak, NN'nin bunu çok daha hızlı ve daha zarif bir şekilde yapacağını unutmamalıyız (eğer çok sayıda ayrık değer varsa ve değilse...). Ve giriş değerlerinin ayrıklığı düşükse veya bunlardan sadece ikisi (+/-1) varsa, o zaman NN'nin gerekli olmadığı ortaya çıkıyor! Her değer için istatistik toplamak yeterlidir ve doğada hiçbir şey bundan daha doğru bir tahmin veremez.
İkili girdileri tahmin etmek için NN'den çok daha verimli tahmin yöntemleri vardır. Bu, NN'nin saygınlığına yalvarmaz, ancak VR tahmininin ikiliye indirgenmesine hayran kalır!
Şek. ikili iki girişli bir NS'nin kabul ettiği durumların alanı verilir. Girilen değerlerin alabileceği kombinasyon sayısı sadece 4'tür. Ve her birinde Al/Sat kararı vermeniz gerekir. NS burada nafik gerekli değildir! Bazı istatistiklere ihtiyacımız var. 3 girişli bir NN için, her biri ayrıca Al/Sat vb. olan 8 köşeli 3 boyutlu bir küp elde edeceğiz.
Bir kez daha, NA'nın haysiyetine yalvarmıyorum. Örneğin, bir havuzdaki Daphnia kabuklularının popülasyonunu yüz veya iki faktöre (su asiditesi, sıcaklık vb.) parametreler NS olmadan %1 değişir - kesinlikle hiçbir istatistiğin olmadığı veya enterpolasyon için tutarlı olmadığı bir alana düşüyoruz.
...
Bir cümle gibi geliyor .... örneğin, algılayıcıların ciddi sınırlamalarını kanıtlayan ve para peşinde koşarken unutulan Minsk'e bir "cümle" gibi. Ayrıca, doğrusal olmayan başlatmaya sahip çok katmanlı bir ağın bile kesinlikle doğru sınıflandırma garantisi vermediğini ve ayrıca unuturlar .. (ama bu bir şakadır ve başka bir anlaşmazlığın başlangıcı değil). Kabul ediyorum, yazınızdan NN'nin gücünün ne olduğunu hala anlamadım, ancak hem kendiminkini oluşturma hem de özel NN araçlarını kullanma deneyimim basit ve net bir cevap veriyor - bir algılayıcının kullanılması bir avantaj sağlamaz herhangi bir şeyde, özellikle - "kötü" satırlarda (kagi'niz tahmin için çok kötü satırlardır).
Ama neyse, iyi şanslar. Görüşürüz, (birkaç hafta ortalıktan kaybolacağım).