在MTS使用人工智能 - 页 24 1...171819202122232425262728 新评论 Павел 2007.09.21 17:35 #231 Vinin: 出现了一个问题。有没有人有什么标准来判断一个库克宁网是否训练有素。 如果根据NS信号，80-95%的交易是有利可图的，那么我们可以说，网络是经过训练的。 Dmitrii 2007.09.21 17:46 #232 meta-trader2007 писал (а): Vinin: 我有一个问题。有没有人有什么标准来确定cochonen网络是否训练有素。 如果根据NS信号，80-95%的交易是盈利的，我们可以说它是经过训练的。 就科霍宁地图 而言，这仍然是一个漫长的过程。如果我们采取一个小地图，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。 Victor Nikolaev 2007.09.21 18:39 #233 klot:meta-trader2007写道： Vinin: 我有一个问题。有没有人有什么标准来确定cochonen网络是否训练有素。 如果根据NS信号，80-95%的交易是盈利的，那么你可以说你是经过训练的。 就科霍宁地图而言，这仍然是一个漫长的过程。如果我们采取一个小地图，例如50x50，我们将得到2500类可能的结果。你仍然需要想出一个算法来进行交易决策....。 我的方法很简单。我根据利霍维多夫的方法来编码蜡烛图。 我在传感器产生的随机数字序列上训练网络。 第三步，寻找入口和出口点。 比赛中也使用了同样的东西，但它被历史所适合。 就在训练网络 时，我输出了输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么想的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。 结果是2比1，对于两个盈利的交易，一个是亏损的。 Dmitrii 2007.09.21 19:13 #234 Vinin: klot。 meta-trader2007写道（a）。 维宁。 这里有一个问题。有没有人有一个标准--如何确定科霍宁网是否训练有素？ 如果根据NS信号，80-95%的交易是盈利的，那么我们可以说它是一个经过训练的网络。 就科霍宁牌而言，这仍然是一个漫长的过程。如果我们采取一个小卡片，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。 我的想法很简单。按照几乎利霍维多夫的说法，对蜡烛进行编码。 该网络在传感器产生的随机数字序列上进行训练。 第三阶段，寻找入口和出口点。 比赛的情况也是如此，但Tnm被历史所适合。 简单地说，在训练网络时，我输出输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么想的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。 学习结果是2比1，两笔盈利的交易有一笔是不盈利的。 让我们来看看。有多少正确的决定，就有多少市场上的价格轨迹变化 :) 。我也在用我的专家顾问参加比赛，我在真实的交易中。 Victor Nikolaev 2007.09.21 19:22 #235 klot: 维宁。 klot。 meta-trader2007写道（a）。 维宁。 这里有一个问题。有没有人有一个标准--如何确定科霍宁网是否训练有素？ 如果根据NS信号，80-95%的交易是盈利的，那么我们可以说它是一个经过训练的网络。 就科霍宁牌而言，这仍然是一个漫长的过程。如果我们采取一个小卡片，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。 我的想法很简单。按照几乎利霍维多夫的说法，对蜡烛进行编码。 该网络在传感器产生的随机数字序列上进行训练。 第三阶段，寻找入口和出口点。 比赛的情况也是如此，但Tnm被历史所适合。 就在训练网络时，我输出了输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么想的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。 学习的结果是2比1，对于两个盈利的交易，一个是亏损的。 让我们来看看。有多少正确的决定，就有多少市场上的价格轨迹变化 :) 。我也用我的专家参加了比赛，我在真实的交易中。 而这就是事实的真相。学习的标准是什么。我已经没有选择了。 Dmitrii 2007.09.21 19:34 #236 Vinin: klot。 维宁。 klot。 meta-trader2007写道（a）。 维宁。 这里有一个问题。有没有人有一个标准--如何确定kohonen网络是否训练有素。 如果根据NS信号，80-95%的交易是盈利的，那么我们可以说它是一个经过训练的网络。 就科霍宁牌而言，这仍然是一个漫长的过程。如果我们采取一个小卡片，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。 我的想法很简单。按照几乎利霍维多夫的说法，对蜡烛进行编码。 该网络在传感器产生的随机数字序列上进行训练。 第三阶段，寻找入口和出口点。 比赛的情况也是如此，但Tnm被历史所适合。 简单地说，在训练网络时，我输出输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么认为的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。 学习的结果是2比1，对于两个盈利的交易，有一个是亏损的。 让我们来看看。有多少正确的解决方案，就有多少市场上的价格轨迹变化 :) 。我也在用我的专家参加比赛，我在真实地进行交易。 而这就是事实的真相。学习的标准是什么。我已经没有选择了。 我在上面写了关于学习的标准...- 这是真的! 一般来说，尝试使用Neuroshel2，它有一个经典的Kohonen牌的例子。你应该尝试一下，很多东西会变得清晰。 而在Tartan的论坛上，我为MKL4放置了一个完整的神经网络库，其中实现了5种神经网络 算法，包括Kohonen Maps。 我有一个神经网络训练算法的例子（纯粹用MQL4编写）和交易策略参数搜索在一个函数中--它就像自动优化器。 Aleksandr Chugunov 2007.09.24 07:10 #237 这个格子间论坛是什么？ Edgar Akhmadeev 2007.09.27 17:25 #238 AlexSTAL: 这个格子间论坛是什么？ 谷歌rus "外汇格子间神经"。 http://www.fxexpert.ru/forum/index.php?showtopic=656? Stepan241 2010.10.15 19:51 #239 各位朋友，请指点一下，在优化过程中，在一定的时间间隔内，如何获得不同的结果....，这意味着遗传算法 每次都会选择一条新的遗传发展路径:-)。有谁面对这样的胡言乱语？由于这些问题，不可能得到关于战略成功的统计数据....。 Artem Titarenko 2010.10.16 08:49 #240 健身函数的表面可以非常缩进，所以没有明确的最大值，有很多，而且它们都差不多。正因为如此，GA一直在寻找不同的...也可能是GA的功能不正常... 1...171819202122232425262728 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
出现了一个问题。有没有人有什么标准来判断一个库克宁网是否训练有素。
如果根据NS信号，80-95%的交易是有利可图的，那么我们可以说，网络是经过训练的。
我有一个问题。有没有人有什么标准来确定cochonen网络是否训练有素。
如果根据NS信号，80-95%的交易是盈利的，我们可以说它是经过训练的。
就科霍宁地图 而言，这仍然是一个漫长的过程。如果我们采取一个小地图，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。
我有一个问题。有没有人有什么标准来确定cochonen网络是否训练有素。
如果根据NS信号，80-95%的交易是盈利的，那么你可以说你是经过训练的。
就科霍宁地图而言，这仍然是一个漫长的过程。如果我们采取一个小地图，例如50x50，我们将得到2500类可能的结果。你仍然需要想出一个算法来进行交易决策....。
我的方法很简单。我根据利霍维多夫的方法来编码蜡烛图。
我在传感器产生的随机数字序列上训练网络。
第三步，寻找入口和出口点。
比赛中也使用了同样的东西，但它被历史所适合。
就在训练网络 时，我输出了输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么想的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。
结果是2比1，对于两个盈利的交易，一个是亏损的。
这里有一个问题。有没有人有一个标准--如何确定科霍宁网是否训练有素？
如果根据NS信号，80-95%的交易是盈利的，那么我们可以说它是一个经过训练的网络。
就科霍宁牌而言，这仍然是一个漫长的过程。如果我们采取一个小卡片，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。
我的想法很简单。按照几乎利霍维多夫的说法，对蜡烛进行编码。
该网络在传感器产生的随机数字序列上进行训练。
第三阶段，寻找入口和出口点。
比赛的情况也是如此，但Tnm被历史所适合。
简单地说，在训练网络时，我输出输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么想的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。
学习结果是2比1，两笔盈利的交易有一笔是不盈利的。
这里有一个问题。有没有人有一个标准--如何确定科霍宁网是否训练有素？
如果根据NS信号，80-95%的交易是盈利的，那么我们可以说它是一个经过训练的网络。
就科霍宁牌而言，这仍然是一个漫长的过程。如果我们采取一个小卡片，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。
我的想法很简单。按照几乎利霍维多夫的说法，对蜡烛进行编码。
该网络在传感器产生的随机数字序列上进行训练。
第三阶段，寻找入口和出口点。
比赛的情况也是如此，但Tnm被历史所适合。
就在训练网络时，我输出了输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么想的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。
学习的结果是2比1，对于两个盈利的交易，一个是亏损的。
这里有一个问题。有没有人有一个标准--如何确定kohonen网络是否训练有素。
如果根据NS信号，80-95%的交易是盈利的，那么我们可以说它是一个经过训练的网络。
就科霍宁牌而言，这仍然是一个漫长的过程。如果我们采取一个小卡片，例如50x50，我们将得到2500类可能的结果。我们仍然需要想出一种算法来进行交易决策....。
我的想法很简单。按照几乎利霍维多夫的说法，对蜡烛进行编码。
该网络在传感器产生的随机数字序列上进行训练。
第三阶段，寻找入口和出口点。
比赛的情况也是如此，但Tnm被历史所适合。
简单地说，在训练网络时，我输出输入阵列与权重向量的偏差。事实证明，差别相当大。(我是这么认为的），而且它在每个历时的最大和最小偏差之间没有减少。我尝试了不同的行动，但结果是一样的。因此也就有了学习标准的问题。
学习的结果是2比1，对于两个盈利的交易，有一个是亏损的。
我在上面写了关于学习的标准...- 这是真的!
一般来说，尝试使用Neuroshel2，它有一个经典的Kohonen牌的例子。你应该尝试一下，很多东西会变得清晰。
而在Tartan的论坛上，我为MKL4放置了一个完整的神经网络库，其中实现了5种神经网络 算法，包括Kohonen Maps。
我有一个神经网络训练算法的例子（纯粹用MQL4编写）和交易策略参数搜索在一个函数中--它就像自动优化器。
这个格子间论坛是什么？
这个格子间论坛是什么？
谷歌rus "外汇格子间神经"。
http://www.fxexpert.ru/forum/index.php?showtopic=656?
各位朋友，请指点一下，在优化过程中，在一定的时间间隔内，如何获得不同的结果....，这意味着遗传算法 每次都会选择一条新的遗传发展路径:-)。有谁面对这样的胡言乱语？由于这些问题，不可能得到关于战略成功的统计数据....。