MT4的概率神经网络、软件包和算法 - 页 19

[[Deleted]]

我曾尝试通过改变信号平滑程度或从质量上改变输入阵列来处理拓扑结构--结果很糟糕。在概率网络中，未经训练的眼睛立即注意到网络发展中遇到的几个方法学矛盾--其中之一是测试期的范围与网络的非线性成正比。也就是说，不清楚如何优化网络。

[[Deleted]]

我能说什么呢...这里是色情的））。

[[Deleted]]

她在那里

[[删除]]

xproit:
这里是

一眼望去。你是对的--色情制品）。

为什么会有这么大一个完全不协调的投入花园？把绝对值 和它们的差值同时放在输入上有什么意义？篮网从中 "醉 "了...

[[Deleted]]

问题是，我在MT4中准备一个数据文件，把我所有的东西都放进去，在NEUROSHELL 2中我直接选择、合并等等。

[[删除]]

xproit:

问题是，我在MT4中准备一个数据文件，附上我所拥有的一切，而在NEUROSHELL 2中，我直接选择、合并等。

还有，你能给我看看NS2的输入数据文件吗？

对输入集进行分类的标准是什么，即你为什么确定这一组例如买入，这一组卖出？ 哦，我自己看到了...

顺便说一下，我几天前刚挖出了一个相对新鲜的NS2，只是想在里面用PNN做实验......

[[Deleted]]

反正我在交易中使用网。用预测的指标值来确认交易信号。这可能是这种方法比滞后和平均的主要优势。当预测平滑线如BZL MACD(High,15,30)提前3个点时，即使在进入时使用指标的滞后期，我平均得到0.995的相关系数。

[[Deleted]]

从本质上讲，概率网络对确定输入阵列的任务要求较低。训练中的网络使用一种对每个输入的平滑参数以及整体平滑参数进行单独修正的算法。也就是说，在训练过程中，各个平滑参数的值被用作分析输入的敏感性的工具，该输入的参数越多，对模型的输入越重要。也就是说，网络没有被输入阵列所优化。最好能给它更多的投入（候选人）。

[[Deleted]]

尝试与他们合作 我也和他们合作了一段时间。这里有一个准备数据文件的指标，或者说是一个脚本

[[删除]]

xproit:
尝试与他们合作，我也已经与他们合作了一段时间。下面是一个准备数据文件的指标，或者说是一个脚本

我会看一看的，谢谢。