Bir mayın tarlasında pazar görgü kuralları veya görgü kuralları - sayfa 17
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Gönderi kaşındığından, uygulamanın ayrıntılarını hatırlayarak yanlışlıklar ortaya çıktı.
Koda baktım, yeni bir tahmine geçerken FA'nın ağırlıklar üzerindeki etkisini bir kez yaptığım ortaya çıktı, yani. her çağda değil, ancak gerekirse yeni veriler geldiğinde ağı yeniden eğitin.
Ve ilerisi. Ağırlık düzeltmesi, nöronun çıkışından FA'nın türevine ve sinyalin başladığı nöronun çıkışına (işaret dikkate alınarak genlik) kadar olan hatanın ürünüdür.
Doğrusal olmayan çıktıya sahip bir algılayıcı için şöyle görünür (örneğin):
Burada dönemler indeks L ile numaralandırılmıştır. Bunları özellikle MathCad aracılığıyla gösteriyorum, bu yüzden daha net. In - giriş sayısı, x - giriş vektörü. Gerisi açık gibi görünüyor.
Nasıl yapacağımı düşünüyorum, böylece AL / SAT girdisine itilir mi?
Örneğin, tercihen zayıf korelasyonlu üç veya dört hindi alıyoruz, onları girişe koyuyoruz ve fiyat tablosunu bir şekilde işaretlememiz gerekirse - "buradan al", "buradan sat" gibi .. ama nasıl yapılır? Evet, işte bunun gibi başka bir voros: ve 200 tik değerleri arasındaki farklar (her çubukta) 2'lik bir adımla grid girişlerine konursa, orada bir şey bulur mu?
Nasıl yapacağımı düşünüyorum, böylece AL / SAT girdisine itilir mi?
Örneğin, tercihen zayıf korelasyonlu üç veya dört hindi alıyoruz, onları girişe koyuyoruz ve fiyat tablosunu bir şekilde işaretlememiz gerekirse - "buradan al", "buradan sat" gibi .. ama nasıl yapılır? Evet, işte bunun gibi başka bir voros: ve 200 tik değerleri arasındaki farklar (her çubukta) 2'lik bir adımla grid girişlerine konursa, orada bir şey bulur mu?
Oh, ve degrade optimizasyon yöntemi denen bu zor şey. Algoritmanın kendisinin uygulanması çok karmaşık değildir, ancak eğitimle ilgili büyük sorunlar olabilir.
Tabii ki bayramları anlıyorum ama bu kadar gönlüne binmene gerek yok. :)
sizi anlamıyorum beyler
Bu yüzden ALT BEYİN'in düşüncelerini kuantum analizine yönlendirmek daha iyidir. Bir örnek - sıradan bir grafiği kuantum olana (yani gerçek zamanlı değil, kuantum zamanında) ayırmak yeterlidir, o zaman gerileme ve bağımlılık ZATEN açıkça görülebilir. Keskin köşeler, parçacıkların en kaotik hareketinin bile bir sistemde birleştirilebileceğine göre, ancak farklı zamanlarda (yani, sistem kuantum fiziğine dayalı farklı zaman aralıklarında belirlenir) kaos teorisi kullanılarak önlenebilir. gerçek zamanlı olarak değil, kuantum olarak). Ve orada kuantum zamanını gerçek zamana dönüştürmek ve uzun zamandır beklenen SATIŞ SATIN ALMA'yı elde etmek yeterlidir.
için varım!
Konulardan birinde, Prival'in diğer vatandaşların piyasayı kontrol eden sayıyı tahmin etmelerini önerdiğini hatırlıyorum. Sonra bunun "Constant Planck" olduğunu hemen anladım. Forex Plank'ın düştüğü saatte zavallı bir tüccarın yoksun olduğu şey... ve Heisenberg Belirsizliği DC sunucusunda devreye giriyor ve sadece Doppler etkisi ile mevduatın gidişatı tahmin edilebilir... bir şaka - :)
için varım!
... Sonra bunun "Constant Planck" olduğunu hemen anladım. Forex Plank'ın düştüğü saatte zavallı bir tüccarın yoksun olduğu şey... ve Heisenberg Belirsizliği DC sunucusunda devreye giriyor ve sadece Doppler etkisi ile mevduatın gidişatı tahmin edilebilir... bir şaka - :)
+5
Bu doğru, paralocus , orada sallanıyorlar, müstehcenler. Aftor burulma alanlarından bahsetmeyi unuttu. Ağrıyan bir kafa için güçlü bir şey - piyasa döner ve bir namluya dönüşür.
Bu arada!
Bu makalede , algılayıcı Al/Sat durumlarını arıyor. ORO'ya geçişle ilgili bazı anlamsal tutarsızlıklar yaşıyorum.
Onlar. şebekenin girişinde kümelenmiş bir hindi var... neden orada? Ve tam olarak pazara giriş anını belirleme fırsatı vermek için orada: İşlemcinin DIŞINDA sıfırın üzerinde - satın alıyoruz, aşağıda - satıyoruz.
Mesele şu ki, daha önce bir genetikçi, eğitim örneğindeki (test cihazında) algılayıcının sonuçlarına göre ağırlıkları düzelten bir öğretmen olarak hareket etti. Ve bir kriter olarak, genetikçi, Perceptron OUT tarafından Al/Sat sinyallerinin üretildiği, çalışan bir Uzman Danışmanın karlılığını kullandı. Bu nedenle, tarihin öğrenme bölümünde maksimum karı elde etmek için her şey doğru çalıştı. Yani, genetiği terk ettikten sonra, ızgara için öğretmeni reddettim. Aslında, şimdi özellikle anladım. Hatırlıyor musunuz, en başta işlem sonucunda alınan zarar miktarını düzeltici olarak kullanmanın mümkün olup olmadığını sordum? Yapılması gereken bu.
Neutron , ben de Hebb'in eğitimini sormak istedim (Wasserman'dan okuyun). Ağırlıkları düzeltmenin formülü çok basit görünüyor:
Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)] ve sizin için eğimli iniş yok. Çalışacak mı?
Hebb ile uğraşmadım. Yeter artık - çatının üstünde. Ben sadece görevi olabildiğince basitleştirmenin bir destekçisiyim, neredeyse kendim neyin ne olduğunu anlamaya başlayana kadar :-) Bu bakış açısından, olağan iki katmanlı NN, neredeyse çözebilen evrensel bir yaklaşımdır. girdi verilerinin herhangi bir ekstrapolasyonu sorunu, bu kesinlikle kanıtlanmıştır. Peki, bu büyülü ve gösterişsiz Izgarayı her işlemimde yeniden eğitmek için yeterli param ve kapasitem varsa neden tüm bu fırfırlar? Bu doğru, gerek yok! Wasserman'a gelince, doğru olduğunu söylüyorsa, doğrudur! Tabii ki işe yarayacak.
Şimdi NN'nin optimal girişi problemini çözüyorsunuz. Elbette, ızgaranın kendisi için en iyisine karar vereceği umuduyla olası hindileri girişe aptalca koyabilirsiniz ... Ama oturup “piyasadaki en uygun araç nedir?” Diye düşünmek daha doğru. . Tam olarak anlarını tahmin etmeye değer olabilir mi?
Bu çalışmayı okuyun. Tu, elbette aksaklıklar var, ancak bunlar temel değil:
Hebb ile uğraşmadım. Yeter artık - çatının üstünde. Ben sadece görevi olabildiğince basitleştirmenin bir destekçisiyim, neredeyse kendim neyin ne olduğunu anlamaya başlayana kadar :-) Bu bakış açısından, olağan iki katmanlı NN, neredeyse çözebilen evrensel bir yaklaşımdır. girdi verilerinin herhangi bir ekstrapolasyonu sorunu, bu kesinlikle kanıtlanmıştır. Peki, bu büyülü ve gösterişsiz Izgarayı her işlemimde yeniden eğitmek için yeterli param ve kapasitem varsa neden tüm bu fırfırlar? Bu doğru, gerek yok! Wasserman'a gelince, doğru olduğunu söylüyorsa, doğrudur! Tabii ki işe yarayacak.
Şimdi NN'nin optimal girişi problemini çözüyorsunuz. Elbette, ızgaranın kendisi için en iyisine karar vereceği umuduyla olası hindileri girişe aptalca koyabilirsiniz ... Ama oturup “piyasadaki en uygun araç nedir?” Diye düşünmek daha doğru. . Tam olarak anlarını tahmin etmeye değer olabilir mi?
Bu çalışmayı okuyun. Tu, elbette, aksaklıklar var, ancak bunlar temel değil:
Evet, teşekkürler, zaten okuyorum, yoksa özel bir fişim var