文章 "模式搜索的暴力算法（第三部分）：新视野" - 页 4 12345 新评论 Evgeniy Ilin 2021.01.23 22:15 #31 Rorschach:你不需要阅读整个主题，重点就在那个帖子里。完全随机的暴力。一个变体是 "优化 "侧 pgsch，另一个变体是通过 N 小节改变符号，N 由优化器选择。既然您没有这样做，那我就试着转移到 opencl，mt 不允许正常测试。 我再也听不懂 "cid pgcch "了，对我来说就像 "avada kedabra"。这就是为什么我说要解释该方法的本质。 完全 任何暴力破解都是随机的，这就是为什么它是暴力破解，因为会产生随机数。如果某些东西被优化器识别出来，那就不是暴力破解，而是对硬件的嘲弄，因为在第三方软件上，速度要快上成百上千倍。优化程序原则上不是为这些目的设计的。这就是为什么每个人都想制作第三方软件的原因。你为什么要折磨你的图形处理器呢？如果您真的需要建议，请在私人信息中写下您的想法，但通常不要使用自制的缩写，并详细说明您的做法和原因，我会告诉您我的想法。 Evgeniy Ilin 2021.01.23 22:46 #32 我想我已经开始理解你的意思了。应该这样写：有一个条件或公式系统，其中有一个数字数组或矩阵，数字的模块不变，但这些数字的符号不断翻转。在这种情况下，您需要找到生成符号的最佳方法，也就是说，您需要一个能生成带有数字 "1"、"-1 "的数组或矩阵的函数。矩阵或数组（矢量）是一个元素一个元素相乘的（而不是按照矩阵乘法规则），因此你会得到一个元素符号发生变化的新矩阵。在这种情况下，随机数的生成 会更有效，因为这种方法的可变性最大。 通过与条数的绑定，你可以限制你的系统（即几乎 100%地丢弃一些有用的组合）。而且搜索这些组合的频率应该是最高的，因此在 MQL 中根本不适合这样做。 Rorschach 2021.01.23 23:15 #33 Evgeniy Ilin: 我想我已经开始理解你的意思了。应该这样写：有一个条件或公式系统，其中有一个数字数组或矩阵，数字的模块不变，但这些数字的符号不断翻转。在这种情况下，您需要找到生成符号的最佳方法，也就是说，您需要一个能生成带有数字 "1"、"-1 "的数组或矩阵的函数。矩阵或数组（矢量）是一个元素一个元素相乘的（而不是按照矩阵乘法规则），因此你会得到一个元素符号发生变化的新矩阵。在这种情况下，随机数的生成 会更有效，因为这种方法的可变性最大。 通过与条数的绑定，你可以限制你的系统（即几乎 100%地丢弃一些有用的组合）。而且搜索这些组合的频率应该是最高的，因此在 MQL 中根本不适合这样做。 大概是这样。在某种程度上，这是对基数的分解，基数可以是任何东西：正弦波、随机数等等。 Evgeniy Ilin 2021.01.24 09:42 #34 Rorschach:它是这样的。在某种程度上，它是对基数的分解，而基数可以是任何东西：正弦波、随机数等等等等。 如何计算也很重要。我只有一个公式。如果是正数就买入，如果是负数就卖出，但数字的模数也要考虑在内。每个条形图都要计算！我正在寻找这样一个公式，在理想情况下，输出数字的放大倍数会放大买入或卖出信号。在其他版本中，会有一组函数最终变成复杂的复合逻辑表达式，其结果是 "真 "或 "假"。信号本身是无法调整的......我再私下告诉你一件事。从本质上讲，所有这些操作都等同于压缩档案中的数据。条件越少，越简单，在选定区间内给出的指令越多，利润因素和其他参数越多，我们的算法就越接近市场公式。不过，最好不要在小样本上做。这就是为什么我总是说至少要抽取 10 年的样本，或者最好是一次性抽取整个历史样本，因为我们在某一段上进行重新训练后，会发现我们只是抓住了一个地层，在这个地层上有一个大的半波正在上升，然后所有的东西都安全地掉头向下急速飞行。对于树木和任意浮动大小的网络，可能会出现我上面写的那种麻烦。可以简单地将引文转换成另一种只有树才能理解的数据，或者转换成网络图和一些额外的矩阵和数字。让我们转到正文，那里是 wild.... Документация по MQL5: Основы языка / Типы данных / Целые типы / Тип bool www.mql5.com Тип bool - Целые типы - Типы данных - Основы языка - Справочник MQL5 - Справочник по языку алгоритмического/автоматического трейдинга для MetaTrader 5 Rorschach 2021.01.24 10:27 #35 Evgeniy Ilin:如何计算也很重要。我有一个公式。如果是正数就买入，如果是负数就卖出，只考虑数字的模数。每个条形图都要计算！我正在寻找这样一个公式，在理想情况下，输出数字的放大倍数会放大买入或卖出信号。在其他版本中，会有一组函数最终变成复杂的复合逻辑表达式，其结果是 "真 "或 "假"。信号本身是无法调整的......我再私下告诉你一件事。从本质上讲，所有这些操作都等同于压缩档案中的数据。条件越少，越简单，在选定区间内给出的指令越多，利润因素和其他参数越多，我们的算法就越接近市场公式。同时，最好不要在小样本上操作。这就是为什么我总是说至少要抽取 10 年的样本，或者最好是一次性抽取整个历史样本，因为我们在某一段上进行重新训练后，会发现我们只是抓住了这一段上有一个大半波上升的地层，然后一切都安全地掉头向下急速飞去。对于树木和任意浮动大小的网络，可能会出现我上面写的那种麻烦。我们可以简单地将引文转换成另一种数据，这种数据只有树才能理解，或者转换成网络图和一些额外的矩阵和数字。让我们转到前方，那里是 wild.... 自由度越小，过度优化的可能性就越小。我们需要像神经网络一样进行检查。我们应该取三个样本，训练其中一个样本，在第一个样本训练完成后计算第二个样本的指标，在第三个样本训练完成后得出最终结论。 Evgeniy Ilin 2021.01.24 22:10 #36 Rorschach:自由度越小，过度优化的可能性就越小。有必要像神经网络一样进行检查。取三个样本，训练其中一个样本，在第一个样本训练后计算第二个样本的指标，在第三个样本训练后得出最终结论。 我们抽取 50% 的样本，比如进行蛮力训练，然后抽取 25% 的样本检查指标或任何你想检查的东西 ))) 。在第三个网站上进行最终检查，但这与从头到尾检查整个网站是一样的。不完全是，但本质上就是这样。要获得更大的样本，没有比这更好的办法了。也没有人会想出更好的办法。 Maxim Kuznetsov 2021.01.25 14:30 #37 Rorschach:自由度越小，过度优化的可能性就越小。有必要像神经网络一样进行检查。取三个样本，训练一个样本，在第一个样本上训练后计算第二个样本上的指标，在第三个样本上训练后得出最终结论。 自由变量越多，"钉住故事 "的效果就越好 :-) 参见大象 https://ru.wikipedia.org/wiki/Слон_фон_Неймана Evgeniy Ilin 2021.01.25 20:57 #38 Maxim Kuznetsov:自由变量越多，就越能 "钉住故事":-)了解大象 https://ru.wikipedia.org/wiki/Слон_фон_Неймана 顺便说一下，这就是我想说的大致意思，但你说得更好 ) Miguel Angel Diaz Oviedo 2021.01.27 23:21 #39 搜索未找到的拍客的程序在哪里？ Evgeniy Ilin 2021.01.28 10:42 #40 Miguel Angel Diaz Oviedo: 那么，在哪里可以找到寻找未找到的赞助人的程序呢？ 该程序将在第四篇文章发布后开始准备。产品 也是如此。在产品中，程序将作为附加软件提供。实际版本是在更长的时间后才实现的。此时此刻，程序已经改进了很多。我将在文章中详细说明 12345 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
你不需要阅读整个主题，重点就在那个帖子里。完全随机的暴力。一个变体是 "优化 "侧 pgsch，另一个变体是通过 N 小节改变符号，N 由优化器选择。既然您没有这样做，那我就试着转移到 opencl，mt 不允许正常测试。
任何暴力破解都是随机的，这就是为什么它是暴力破解，因为会产生随机数。如果某些东西被优化器识别出来，那就不是暴力破解，而是对硬件的嘲弄，因为在第三方软件上，速度要快上成百上千倍。优化程序原则上不是为这些目的设计的。这就是为什么每个人都想制作第三方软件的原因。你为什么要折磨你的图形处理器呢？如果您真的需要建议，请在私人信息中写下您的想法，但通常不要使用自制的缩写，并详细说明您的做法和原因，我会告诉您我的想法。
我想我已经开始理解你的意思了。应该这样写：有一个条件或公式系统，其中有一个数字数组或矩阵，数字的模块不变，但这些数字的符号不断翻转。在这种情况下，您需要找到生成符号的最佳方法，也就是说，您需要一个能生成带有数字 "1"、"-1 "的数组或矩阵的函数。矩阵或数组（矢量）是一个元素一个元素相乘的（而不是按照矩阵乘法规则），因此你会得到一个元素符号发生变化的新矩阵。在这种情况下，随机数的生成 会更有效，因为这种方法的可变性最大。 通过与条数的绑定，你可以限制你的系统（即几乎 100%地丢弃一些有用的组合）。而且搜索这些组合的频率应该是最高的，因此在 MQL 中根本不适合这样做。
大概是这样。在某种程度上，这是对基数的分解，基数可以是任何东西：正弦波、随机数等等。
它是这样的。在某种程度上，它是对基数的分解，而基数可以是任何东西：正弦波、随机数等等等等。
如何计算也很重要。我只有一个公式。如果是正数就买入，如果是负数就卖出，但数字的模数也要考虑在内。每个条形图都要计算！我正在寻找这样一个公式，在理想情况下，输出数字的放大倍数会放大买入或卖出信号。在其他版本中，会有一组函数最终变成复杂的复合逻辑表达式，其结果是 "真 "或 "假"。信号本身是无法调整的......我再私下告诉你一件事。从本质上讲，所有这些操作都等同于压缩档案中的数据。条件越少，越简单，在选定区间内给出的指令越多，利润因素和其他参数越多，我们的算法就越接近市场公式。不过，最好不要在小样本上做。这就是为什么我总是说至少要抽取 10 年的样本，或者最好是一次性抽取整个历史样本，因为我们在某一段上进行重新训练后，会发现我们只是抓住了一个地层，在这个地层上有一个大的半波正在上升，然后所有的东西都安全地掉头向下急速飞行。对于树木和任意浮动大小的网络，可能会出现我上面写的那种麻烦。可以简单地将引文转换成另一种只有树才能理解的数据，或者转换成网络图和一些额外的矩阵和数字。让我们转到正文，那里是 wild....
如何计算也很重要。我有一个公式。如果是正数就买入，如果是负数就卖出，只考虑数字的模数。每个条形图都要计算！我正在寻找这样一个公式，在理想情况下，输出数字的放大倍数会放大买入或卖出信号。在其他版本中，会有一组函数最终变成复杂的复合逻辑表达式，其结果是 "真 "或 "假"。信号本身是无法调整的......我再私下告诉你一件事。从本质上讲，所有这些操作都等同于压缩档案中的数据。条件越少，越简单，在选定区间内给出的指令越多，利润因素和其他参数越多，我们的算法就越接近市场公式。同时，最好不要在小样本上操作。这就是为什么我总是说至少要抽取 10 年的样本，或者最好是一次性抽取整个历史样本，因为我们在某一段上进行重新训练后，会发现我们只是抓住了这一段上有一个大半波上升的地层，然后一切都安全地掉头向下急速飞去。对于树木和任意浮动大小的网络，可能会出现我上面写的那种麻烦。我们可以简单地将引文转换成另一种数据，这种数据只有树才能理解，或者转换成网络图和一些额外的矩阵和数字。让我们转到前方，那里是 wild....
自由度越小，过度优化的可能性就越小。我们需要像神经网络一样进行检查。我们应该取三个样本，训练其中一个样本，在第一个样本训练完成后计算第二个样本的指标，在第三个样本训练完成后得出最终结论。
自由度越小，过度优化的可能性就越小。有必要像神经网络一样进行检查。取三个样本，训练其中一个样本，在第一个样本训练后计算第二个样本的指标，在第三个样本训练后得出最终结论。
我们抽取 50% 的样本，比如进行蛮力训练，然后抽取 25% 的样本检查指标或任何你想检查的东西 ))) 。在第三个网站上进行最终检查，但这与从头到尾检查整个网站是一样的。不完全是，但本质上就是这样。要获得更大的样本，没有比这更好的办法了。也没有人会想出更好的办法。
自由度越小，过度优化的可能性就越小。有必要像神经网络一样进行检查。取三个样本，训练一个样本，在第一个样本上训练后计算第二个样本上的指标，在第三个样本上训练后得出最终结论。
自由变量越多，"钉住故事 "的效果就越好 :-)
参见大象 https://ru.wikipedia.org/wiki/Слон_фон_Неймана
自由变量越多，就越能 "钉住故事":-)
了解大象 https://ru.wikipedia.org/wiki/Слон_фон_Неймана
顺便说一下，这就是我想说的大致意思，但你说得更好 )
那么，在哪里可以找到寻找未找到的赞助人的程序呢？
该程序将在第四篇文章发布后开始准备。产品 也是如此。在产品中，程序将作为附加软件提供。实际版本是在更长的时间后才实现的。此时此刻，程序已经改进了很多。我将在文章中详细说明