文章 "在算法交易中 Kohonen 神经网络的实际应用。 第 I 部分 工具" 新评论 MetaQuotes 2019.02.18 06:46 新文章 在算法交易中 Kohonen 神经网络的实际应用。 第 I 部分 工具已发布：本文依据之前发表文献中所介绍的思路，开发在 MetaTrader 5 中运用 Kohonen 映像。 改进并强化的类提供了解决应用程序任务的工具。 在继承的源代码中，未使用输入数据常规化。 不过，在输入矢量的不同分量（特征）有不同数值范围的情况下，它会非常重要。 这是 EA 的优化结果，并汇集不同指标数据的情况。 至于优化结果，我们可以看到，有数十万的总利润其数值较小，例如锋锐比率的分数，或恢复因子的一位数值。 您不应该使用这种不同规模的数据来教育 Kohonen 网络，因为网络实际上只考虑较大的分量而忽略较小的分量。 您可以在下面的图像中看到这一点，此图利用我们在本文中逐步深入研究的程序获得，该程序附加在文章末尾。 该程序允许生成随机输入矢量，其中三个分量分别定义在 [0, 1000]，[0,1] 和 [-1, +1] 范围内。 特殊输入 UseNormalization 允许启用/禁用常规化。 我们来看看 Kohonen 网络的最终结构，它处在与矢量三维相关的三个平面上。 首先，网络学习结果未经常规化。 Kohonen 网络学习结果未经输入常规化 现在，同例经过常规化。 Kohonen 网络输入常规化的学习结果作者：Stanislav Korotky 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 在算法交易中 Kohonen 神经网络的实际应用。 第 I 部分 工具已发布：
本文依据之前发表文献中所介绍的思路，开发在 MetaTrader 5 中运用 Kohonen 映像。 改进并强化的类提供了解决应用程序任务的工具。
在继承的源代码中，未使用输入数据常规化。 不过，在输入矢量的不同分量（特征）有不同数值范围的情况下，它会非常重要。 这是 EA 的优化结果，并汇集不同指标数据的情况。 至于优化结果，我们可以看到，有数十万的总利润其数值较小，例如锋锐比率的分数，或恢复因子的一位数值。
您不应该使用这种不同规模的数据来教育 Kohonen 网络，因为网络实际上只考虑较大的分量而忽略较小的分量。 您可以在下面的图像中看到这一点，此图利用我们在本文中逐步深入研究的程序获得，该程序附加在文章末尾。 该程序允许生成随机输入矢量，其中三个分量分别定义在 [0, 1000]，[0,1] 和 [-1, +1] 范围内。 特殊输入 UseNormalization 允许启用/禁用常规化。
我们来看看 Kohonen 网络的最终结构，它处在与矢量三维相关的三个平面上。 首先，网络学习结果未经常规化。
Kohonen 网络学习结果未经输入常规化
现在，同例经过常规化。
Kohonen 网络输入常规化的学习结果
作者：Stanislav Korotky