指标: 采样器
目前还不清楚 NS 的理想输入是什么。
它们（投入）是什么？ 它们不包含相互矛盾的模式吗？ 或者还有什么其他的理想标准？
从交易角度看输入。
该指标显示了在与老师学习时应该教给 NS 的内容。也就是说，网络的输出应该是什么。
从交易的角度看条目。
该指标显示了在与老师一起学习时，您应该教 NS 什么。也就是说，网络的输出应该是什么。
您做过矛盾检查吗？
这是指一个例子的过去是相似的，但未来是多向的。
"例子的过去相似 "与什么相似？
这取决于网络输入的数据。
该指标只计算网络的预期输出（有多种变体），并不计算任何未来或输入。向输入端输入什么数据是另一个话题。
对于滚动系统（始终处于市场中），最好使用 1 信号法或模拟缓冲器。
对于有固定止损和止盈的系统 - 使用第二种方法。
我制作该指标是为了简化训练示例的准备工作。
网络如何识别这些示例 - 这取决于它的能力。
让我们自欺欺人吧，来吧。
两个示例（例如）之间存在相关性，一个示例（训练示例）之所以是示例，是因为它有过去（这些输入）和未来（这些期望输出）。
在这种情况下，最大的问题是当两个例子的过去相同而未来不同时，网格原则上无法学习这样的例子。这也是 vr 网无法工作的主要原因。
我们装傻吧
我不是故意的我以为我误解了问题。
两个示例（例如）之间存在相关性，一个示例（训练示例）之所以是示例，是因为它有过去（这些输入）和未来（这些期望输出）。
在这种情况下，最大的问题是当两个示例的过去相同而未来不同时，网格原则上无法学习这样的示例。而这正是 vr 上的网络无法工作的主要问题所在。
现在我知道问题问对了。
我还不知道要向网格输入什么（我还在寻找最佳解决方案）。但我已经很清楚（这个指标会告诉我）输出端应该是什么。
解决您的问题的方法之一（我认为）：
使用两个网格，一个用于购买，另一个用于销售。然后，如果两个网格都给出多向信号，则忽略该信号。
我根本没打算这么做。我以为我误解了问题。
现在我知道我理解对了。
我还不知道要向网络输入什么（我还在寻找最佳解决方案）。但我已经很清楚（这个指标会告诉我）输出应该是什么。
解决您问题的方法之一（我认为）：
使用两个网格，一个用于购买，另一个用于销售。然后，如果两个网格都给出多向信号，则忽略该信号。
好吧，这个想法很明确，有它的用武之地。我想很多网络用户都会感兴趣。
感谢您发布的开发信息。
不重绘？
他没有重画？
不，他没有重画。
附注：他只画画。
采样器:
该指标计算完美的入场信号, 这可以用于神经网络的训练。
作者： Serj