文章 "从头开始采用 MQL 语言进行深度神经网络编程" - 页 6 123456 新评论 Ivan Butko 2024.01.17 18:17 #51 Nikolai Kalinin #:您能解决输入缩放超过 4 倍的问题吗？ 是的，我开始四处探索，终于找到了问题的症结所在。我不仅增加了输入，还增加了架构：我增加了层，增加了神经元，增加了 RNN--记住之前的状态并将其输入到输入中，尝试将激活函数改为最著名的激活函数，尝试 "向神经网络输入什么 "主题中的各种输入--但都无济于事。，这让我非常遗憾。 我尝试了 LSTM、BiLSTM、CNN、CNN-BiLSTM、CNN-BiLSTM-MLP，但都没有成功。 我自己也很惊讶。也就是说，所有的成功都可以用一个观点来描述：这是一个幸运的时间表期。例如，2022 年的欧洲美元几乎与 2021 年完全相同。如果在 2021 年进行训练，那么在 2022 年的 11 月（或者 10 月，我不记得了）之前，你都会得到一个正数。但是，只要你在 2020 年对任何（！）神经网络进行训练，那么在 2021 年就会完全失败。就从第一个月开始！如果切换到其他货币对（通常是欧洲美元），它的表现也是随机的。 但我们需要的是一个在训练后能保证在远期显示出生命迹象的系统，对吗？如果我们从这个想法出发，那是没有结果的。如果有人认为他是个幸运儿，经过今天的培训后，他将在未来一年或六个月内拥有一个盈利的远期，那就祝他好运吧）。 Nikolai Kalinin 2024.01.20 12:47 #52 Ivan Butko #: 但是，我们需要一个在训练后能保证在前锋身上显示出生命迹象的系统，不是吗？如果我们从这种想法出发，那是没有结果的。如果有人认为自己是个幸运儿，今天的训练结束后，他将在未来一年或半年里拥有一名赚钱的前锋，那就祝他好运吧）。 那么，我们是否可以认为，NS 的必要 "graal "参数在搜索过程中被遗漏了，甚至最初并不重要 ，没有被测试者考虑在内？也许该系统除了模式-比例之外，还缺少偶发因素。 Ivan Butko 2024.01.22 08:37 #53 Nikolai Kalinin #:那么，我们是否可以认为，必要的 "graal "NS 参数在其搜索过程中被遗漏了，或者甚至最初并不重要 ，测试人员也没有考虑到？也许该系统除了模式-比例之外，还缺乏偶发因素。 当然，有时 "圣杯 "集会在优化过程中漏掉，在检查所有内容之前几乎不可能找到它们（排序过程中的第 150 行）。 我不明白您帖子的第二部分。 Nikolai Kalinin 2024.01.22 15:29 #54 Ivan Butko #:当然，有时 "圣杯 "集会在优化过程中漏掉，在检查所有内容之前几乎不可能找到它们（排序过程中的第 150 行）。 我不明白您帖子的第二部分。 这是关于输入此类数据的问题，这些数据是在某一事件发生时获得的，例如，High[0]> High[1 ]。如果在这样的背景下考虑市场，那么它就完全是一个事件驱动模型，并与之相关。而对混沌元素的控制已经是在 NS "内存 "之外的微调和优化方法。通过一个综合指标，可以很好地体现代码中的此类事件添加是如何工作的。该指标（综合标准）会改善并转向最有利可图的优化传递。 Malyon1903 2025.04.23 06:04 #55 这正是我要找的！好文章！ 123456 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
您能解决输入缩放超过 4 倍的问题吗？
是的，我开始四处探索，终于找到了问题的症结所在。我不仅增加了输入，还增加了架构：我增加了层，增加了神经元，增加了 RNN--记住之前的状态并将其输入到输入中，尝试将激活函数改为最著名的激活函数，尝试 "向神经网络输入什么 "主题中的各种输入--但都无济于事。
，这让我非常遗憾。
我尝试了 LSTM、BiLSTM、CNN、CNN-BiLSTM、CNN-BiLSTM-MLP，但都没有成功。
我自己也很惊讶。也就是说，所有的成功都可以用一个观点来描述：这是一个幸运的时间表期。例如，2022 年的欧洲美元几乎与 2021 年完全相同。如果在 2021 年进行训练，那么在 2022 年的 11 月（或者 10 月，我不记得了）之前，你都会得到一个正数。但是，只要你在 2020 年对任何（！）神经网络进行训练，那么在 2021 年就会完全失败。就从第一个月开始！如果切换到其他货币对（通常是欧洲美元），它的表现也是随机的。
但我们需要的是一个在训练后能保证在远期显示出生命迹象的系统，对吗？如果我们从这个想法出发，那是没有结果的。如果有人认为他是个幸运儿，经过今天的培训后，他将在未来一年或六个月内拥有一个盈利的远期，那就祝他好运吧）。
但是，我们需要一个在训练后能保证在前锋身上显示出生命迹象的系统，不是吗？如果我们从这种想法出发，那是没有结果的。如果有人认为自己是个幸运儿，今天的训练结束后，他将在未来一年或半年里拥有一名赚钱的前锋，那就祝他好运吧）。
那么，我们是否可以认为，NS 的必要 "graal "参数在搜索过程中被遗漏了，甚至最初并不重要 ，没有被测试者考虑在内？也许该系统除了模式-比例之外，还缺少偶发因素。
那么，我们是否可以认为，必要的 "graal "NS 参数在其搜索过程中被遗漏了，或者甚至最初并不重要 ，测试人员也没有考虑到？也许该系统除了模式-比例之外，还缺乏偶发因素。
当然，有时 "圣杯 "集会在优化过程中漏掉，在检查所有内容之前几乎不可能找到它们（排序过程中的第 150 行）。
我不明白您帖子的第二部分。
当然，有时 "圣杯 "集会在优化过程中漏掉，在检查所有内容之前几乎不可能找到它们（排序过程中的第 150 行）。
我不明白您帖子的第二部分。
这是关于输入此类数据的问题，这些数据是在某一事件发生时获得的，例如，High[0]> High[1 ]。如果在这样的背景下考虑市场，那么它就完全是一个事件驱动模型，并与之相关。而对混沌元素的控制已经是在 NS "内存 "之外的微调和优化方法。通过一个综合指标，可以很好地体现代码中的此类事件添加是如何工作的。该指标（综合标准）会改善并转向最有利可图的优化传递。