"MQL dili kullanarak sıfırdan bir Derin Sinir Ağı programlama" makalesi için tartışma - sayfa 6
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
Bu NS'ye çok önem veriyorsunuz, aslında tüm NS'ler ve MO ile ilgili her şey, genel olarak - sayıların sayılarla çarpımının ve aktivasyon fonksiyonunda bir toplayıcının olduğu her yerde - hepsi grafiğe uyacaktır. Tamamen istikrarsız bir sistem.
Bunu araştırmak, mimariler inşa etmek, nöronlar ve katmanlar eklemek ilginçtir. Ancak, tamamen yararsızdır, mashka'yı geçmekten daha iyi değildir.Dahası, fiyatlandırma durağan olmayan bir süreçtir. Her yeni veri olduğunda ve grafiği kalıplara bölerseniz, bunlar geçmişte 50/50 çalışma eğiliminde olacaktır.
NS durağan sistemler içindir, tekrarlayıcıdır.
Ancak Forex ve benzerlerinde daha gelişmiş, akıllı sistemlere ihtiyacınız vardır. Bir şekilde birbiriyle bağlantılı, bir şekilde sihirli bir şekilde formasyon istatistiklerinin değişimine uyum sağlayan birkaç NS gibi bir şey.
NS'nin kendisi, fiyat yolunun ezberlenmesi veya yeni veri miktarı çarpma yoluyla elde edilen sayıların olası kombinasyonlarından daha fazlaysa sonuçların ortalamasıdır (veya basitçe konuşursak - iki veya üç girdili en basit NS mimarisi).
Ivan, açıklama için teşekkür ederim. Herhangi bir istatistiğin kendini tekrar etme eğilimi vardır. Prensip olarak, NS'yi optimize ederken (eğitirken) integral bir gösterge kullanılırsa, cehaletten bilgiye geçişin nasıl ve ne zaman gerçekleştiğini - nasıl daha iyi ticaret yapılacağını - noktalarla görebiliriz. Önemli bir değişken aramak ayrı bir konudur. Girdileri 4 kattan daha fazla ölçeklendirerek sorunu çözmeyi başardınız mı?
4x'ten daha fazla ölçeklenen girdilerle sorunu çözebildiniz mi?
Evet, etrafı kurcalamaya başladım ve işin özüne indim. Sadece girdileri değil, mimariyi de artırdım: katmanlar ekledim, nöronlar ekledim, RNN ekledim - önceki durumu hatırlayıp girdilere besledim, aktivasyon fonksiyonunu en ünlü olanlarla değiştirmeyi denedim, "Sinir ağı girdisine ne beslemeli" başlığındaki her türlü girdiyi denedim - boşuna.
Büyük pişmanlığıma. Ancak bu, zaman zaman geri dönüp bu yazarınki de dahil olmak üzere basit sinir ağlarını bükmemi engellemiyor.
LSTM, BiLSTM, CNN, CNN-BiLSTM, CNN-BiLSTM-MLP'yi denedim - boşuna.
Kendime hayret ediyorum. Yani, tüm başarılar tek bir gözlemle açıklanıyor: şanslı bir program dönemi. Örneğin, Eurodollar için 2022, 2021 ile neredeyse tamamen aynı. Ve 2021'de antrenman yaparak, Kasım ayına kadar (veya Ekim, hatırlamıyorum) 2022'de pozitif bir ilerleme elde edeceksiniz. Ancak, 2020'de herhangi bir(!) sinir ağını eğitir eğitmez, 2021'de temiz bir şekilde başarısız olur. Hem de ilk aydan itibaren! Ve diğer döviz çiftlerine geçerseniz (genellikle Eurodolar), o da rastgele davranır.
Ama eğitimden sonra ileriye dönük yaşam belirtileri göstermesi garanti olan bir sisteme ihtiyacımız var, değil mi? Bu düşünceden yola çıkarsak, sonuçsuz kalır. Birisi şanslı bir insan olduğuna ve bugünkü eğitimden sonra gelecek yıl veya altı ay boyunca karlı bir forwarda sahip olacağına inanıyorsa, ona iyi şanslar).
Ancak, eğitimden sonra ileride yaşam belirtileri göstereceği garanti olan bir sisteme ihtiyacımız var, değil mi? Bu düşünceden yola çıkarsak, sonuçsuz kalır. Eğer birisi şanslı bir insan olduğuna ve bugünkü eğitimden sonra önümüzdeki bir yıl ya da altı ay boyunca kârlı bir iş yapacağına inanıyorsa, ona iyi şanslar).
O zaman NS'nin gerekli "graal" parametrelerinin arama sürecinde gözden kaçtığını veya hatta başlangıçta önemsiz olduğunu ve test eden tarafından dikkate alınmadığını varsayabilir miyiz? Belki de sistem sadece kalıplar-oranlardan ziyade olasılık faktörlerinden yoksundur.
O zaman gerekli "graal" NS parametrelerinin arama sürecinde gözden kaçtığını veya hatta başlangıçta önemsiz olduğunu ve test eden tarafından hesaba katılmadığını varsayabilir miyiz? Belki de sistem sadece kalıplardan-oranlardan ziyade olasılık faktörlerinden yoksundur.
Elbette, bazen "grail" setleri optimizasyon sırasında gözden kaçar, her şeyi kontrol edene kadar onları bulmak neredeyse imkansızdır (sıralama sırasında 150. satır gibi). Bazen bunlardan on binlerce vardır.
Yazınızın ikinci kısmını anlamadım.
Elbette, bazen "grail" setleri optimizasyon sırasında gözden kaçar, her şeyi kontrol edene kadar onları bulmak neredeyse imkansızdır (sıralama sırasında 150. satır gibi). Bazen on binlercesi oluyor.
Yazınızın ikinci kısmını anlamadım.
Bu, belirli bir olay anında elde edilen, örneğin şu anda Yüksek[0]> Yüksek[1 ] gibi verilerin girilmesiyle ilgilidir. Piyasa böyle bir bağlamda ele alınırsa, tamamen olay odaklı bir modeldir ve bununla ilişkilidir. Ve kaos unsurlarının kontrolü zaten NS "hafızasının" dışındaki ince ayar ve optimizasyon yöntemlerine bağlıdır. Koda yapılan bu tür olay eklemelerinin nasıl çalıştığı entegre bir gösterge ile iyi bir şekilde temsil edilir. Bu gösterge (entegre kriter) gelişir ve en karlı optimizasyon geçişlerine doğru kayar.