В статье анализируется применение формулы Байеса для повышения надежности торговых систем за счет использования сигналов нескольких независимых индикаторов. Теоретические расчеты проверяются с помощью простого универсального эксперта, настраиваемого для работы с произвольными индикаторами.
Индикатор, который использует нейронные сети для прогнозирования ближайших нескольких цен открытия. Сеть обучается методом обратного распространения ошибки. Обучение проходит автоматически, результат — самообученная сеть и самообучающийся индикатор.
在我看来，用这样的矩阵从3到5个投入中计算出有利可图的东西是不现实的。我同意，它涵盖了所有可能的变化。
但是，如果我们做一个有5个输入的网络，就会有32个系数用于计算。遗传算法 通常在10000次中收敛，即输入将平均收敛为-1.0-1。
用3个输入也许可以计算出一个模式，但在我看来3个输入是不够的。
虽然神经网络可以在R上甚至从ALGLIB上建立，并快速计算。内部结构不会那么完整，但在训练中你会发现最强的依赖关系。
不要忘记组合策略，在这种情况下，NS只能执行部分输入，例如显示大方向，而信号，例如，由另一个系统提供。
假设有一个系统，在一个平面上倾倒，你可以优化NS来过滤这些区域，其余的逻辑将 "按原样 "工作。
不要忘记组合策略，在这种情况下，NS可以只执行部分输入，例如，显示大方向，而信号，例如，由另一个系统提供。
假设有一个系统，在一个平面上倾倒，你可以通过过滤这些部分来优化NS，其余的逻辑将 "按原样 "工作。
顺便说一句，这里也是Reshetov espert系统，换句话说:) https://www.mql5.com/ru/articles/3264，即我们可以把它称为贝叶斯分类器，显然
你怎么会认为NS根本不应该工作？据我所知，NS使人们更容易在数据集中找到一种算法/符合性。
但价格行为是包括MM在内的所有参与者的头寸之和。群众的行为能有什么样的算法？而有些人，也就是这群人中的一小部分，并不关心这个职位是否会盈利。这就是飞过田野的蜜蜂的行为。田地是一样的，但不可能预测它将落在哪朵花上。
祝这个怪物好运 :)这只是为了确定这种方法的适用范围
神经元和输入越多，系统就越稳定，但利润就越低，我在过去3个月里通过在分钟上开价来优化它，其中1.5分钟是远期，然后运行了将近一年，它显示了稳定的结果。每3个输入有3个神经元，这3个神经元被纳入第4个神经元，从而得到最终结果。
在圆圈中，有一段网格已经被优化（大约），随后是前进，BC的其余部分没有以任何方式参与学习过程
神经元和输入越多，系统就越稳定，但利润就越低，我在过去3个月里通过在分钟上开价来优化它，其中1.5分钟是远期，然后运行了将近一年，它显示了稳定的结果。每3个输入有3个神经元，这3个神经元被纳入第4个神经元，从而得到最终结果。
这是一个圆圈图，在这个圆圈图上，网格被优化（大约），然后是前进，BC的其他部分完全没有参与训练
最主要的是稳定。不到一年--800%，如果它真的是某种基于类似于神经网络的阵列的自学专家顾问--我跟你握手。太聪明了，我不明白其中的内容，但为敢于潜入机器学习的这个领域而握手言和。我认为它会因为同样的原因而跌倒--市场的不可预测性，但你显然有一个损失制约系统在那里，所以真的很有趣。它是在VPS还是家用电脑上运行？
最主要的是稳定。不到一年--800%，如果它真的是某种基于阵列的自我学习的EA，类似于神经网络--我跟你握手。太聪明了，我不明白其中的内容，但为敢于潜入机器学习的这个领域而握手言和。我认为它会因为同样的原因而跌倒--市场的不可预测性，但你显然有一个损失制约系统在那里，所以真的很有趣。它是在VPS还是家用电脑上运行？
这甚至不是神经网络，而是分类器，介于两者之间的东西，我不知道如何称呼它......手工 )是的，它需要定期进行再培训，并引入一些限制，例如在缩减方面。
神经元和输入越多，系统就越稳定，但利润就越低，我在过去3个月里通过在分钟上开价来优化它，其中1.5分钟是远期，然后运行了将近一年，它显示了稳定的结果。每3个输入有3个神经元，这3个神经元被纳入第4个神经元，从而得到最终结果。
这是一个圆圈图，在这个圆圈图上，网格被优化（大约），然后是前进，BC的其他部分完全没有参与训练
你给输入的是什么？
还不错!
你给输入的是什么？
和以前一样，回归和rsi，我还没有想到更聪明的办法。
还不错!
那你给投入的东西是什么？
顺便说一下，如果你一直在寻找最好的网格，可以试试这个https://www.mql5.com/ru/code/9002。
我还没有想好，请告诉我是否可以使用，如果我自己没有办法做到的话 )