MT4的概率神经网络、软件包和算法 - 页 2

[Victor Nikolaev]

YuraZ:

维宁。

magiXpert。
统计学。这是新的。如果你需要，我会给你一个链接。免费;)还有什么可学的。

我的логин@mail.ru，将不胜感激。

关于使用不同的神经包！我同意brtter的观点，你需要写自己的东西。

我不想学习C语言，而我所做的是MQL。它需要太多的时间来学习。而且，并不总是能够提前预测未来网络的结果。如果有可用的工具，你必须使用它们。

[Yuriy Zaytsev]

Vinin:

YuraZ:

维宁。

MagiXpert。
统计学。这是新的。如果你需要，我可以把链接发给你。免费;)还有什么可学的。

我的логин@mail.ru，将不胜感激。

关于使用不同的神经包！我同意brtter的观点，你需要写自己的东西。

我不想学习C和我所做的MQL。它需要太多的时间来学习。而且，并不总是能够提前预测未来网络的结果。如果有可用的工具，就必须使用它们。

我为什么要学习C语言，（我自己对它了解得很清楚--并不完美）？

用C++写得更好，只是因为他对C++很熟悉，而且会比MQL更快。

因为测试网络和其调整将需要大量的时间......。但尽管如此，一切都被改写成了MQL4。

所以作者选择了C++，因为他知道它+时间https://championship.mql5.com/2012/ru/news。

我有个朋友，是个有才华的程序员。他说，最好的代码编辑器不是最好的，而是你知道的那个！他说："我不知道。

他写了有才华的程序......。他用一个相当简单的编辑器来编辑...尽管周围有很多成熟的人。

他的竞争对手是一个近50人的部门！他们使用最先进的技术

结果是不幸的！这组50人的软件被扔掉了......

该同事的软件已经使用了近20年......。

[Его Помоечное Мурлычество]

关于在哪里寻找项目。每个人都有驴子吗？我说的不是伊塞克湖的驴子，我说的是eMule。进入驴子。输入你要找的程序的名称，然后去。我通过这种方式获得最新版本的Matlab。
关于神经网络。我认为主要问题是对他们进行实时的再培训和再训练。市场正在发生变化。而昨天成功的东西今天会失败，明天也会失败。这意味着网络必须以某种方式被重新训练。特别是在冠军赛的条件下，当世博会整整3个月没有管理。顺便说一下，这是我对冠军赛规则 的主要抱怨。总而言之，男人们，也许讨论这个问题更好？

[Yuriy Zaytsev]

eugenk:
关于在哪里寻找项目。每个人都有奥斯陆吗？我说的不是伊塞克湖的驴子，我说的是eMule。到驴子那里去。输入你要找的程序的名称，然后去。我通过这种方式获得最新版本的Matlab。
关于神经网络。我认为主要问题是实时学习和重新训练他们。市场在变化，昨天成功的东西今天会失败，明天也会失败。这意味着网络必须以某种方式被重新训练。特别是在冠军赛的情况下，当exp被抛弃了整整3个月。 顺便说一下，这是我对冠军赛规则的主要抱怨。总而言之，男人们，也许讨论这个问题更好？

我已经把这个问题的答案写在了纸上。我只是从2007年期间学到的。

也就是说，只是挑选了最佳的参数--到目前为止，情况是这样的

里面没有再培训!

我对nS不是很熟悉！但我的第一个算法，当我进入外汇市场时，我曾经这样画它

我的第一块--开始--读取指标--总结指标读数--信号--接收信号--记忆--锻炼--根据结果纠正指标参数--重新训练

事实上，这就像一个简单的NA--尽管我没有读过任何关于NA的资料。

有必要重新培训--重新培训，我认为，可能只有在出现不好的结果时才会重新培训--我可能是错的--这是一个直观的意见。

我也直觉地认为，算法中最难的部分是学习单元

[[删除]]

我完全同意你的观点，尽管我不太了解建立NS的理论。 例如，我不知道如何评价停止工作的系统的标准，它已经损失了15%的存款或50%。

[Его Помоечное Мурлычество]

YuraZ，所以你在冠军赛中，你还没有放弃？给我一个关于你的战士的链接!会议讨论了适应和再培训一次的问题。我建议写一个简单的系统。例如，通过随机的或交叉的两个捣碎器。然后就在一个不是很长的时期内，每天都尝试着去优化它。我不知道是否有人进行过这样的实验。在测试器中，这很难。而在演示中就更难了。这是在我从这里和一般的外汇市场消失近一年之前。因此，现在去哪里找它--我不知道。但是，网格和简单的优化扩展之间的区别是纯粹的数量上的。网格只是有更多的参数，但它们并没有任何想法。顺便说一下，如何处理完全无效的网格，我还是不明白。一方面，这并不是好事，因为想法可以节省计算资源 和输入信息。另一方面，这也是好事，因为仍然需要找到一个强有力的想法。因此，这个问题并不那么简单。但优化和再优化是这两种方法的共同点。

[lime]

也许Better的成功在于创造了一个自我优化（自我学习）的实时概率神经网络。

[Его Помоечное Мурлычество]

lovova:
eugenk 我完全同意你的观点，尽管我对构建NS的理论几乎一无所知。例如，我不清楚如何评估系统停止工作的标准，它已经损失了15%的存款或50%。

这就是主要问题...现在我正试图找到一个答案，什么是一般的知识。我的方法是这样的。我知道函数与函数的微分法则，我知道如何在Linux下在QT库上编程。在我的知识中，哪个更有价值？一方面，QT知识帮助我谋生。 另一方面，QT库可能会过时，Linux本身也可能会过时。 而函数与函数的区分规则将永远保持不变。问题是，如何估计我的两个知识？事实证明，谈论知识，我们隐含着谈论时间和永恒。与我们谈论外汇时谈论的事情完全相同。顺便说一下，这种情况一点都不新鲜。做一个体验。拿一条长的橡皮筋，在上面挂一个重物，就像一个钟摆。在橡皮筋长度、弹性和重量的一定比例下，你会感到惊讶。整个事情是由马蒂厄方程描述的。通过将其划分为快速和慢速部分，可以近似地解决这个问题。唉，外汇中没有这样的分区。而我们所有的问题都是对时间的正确理解和对这一抽象概念的正确工作的哲学问题...。对不起，如果我已经上传。但我担心，在我们以工作秩序回答这些纯粹的哲学问题之前，我们将永远失败。

[Viktor Zhuravlev]

先生们!
网格的学习 算法，甚至是自学算法，都不难找到，但与准备学习数据的过程相比，这只是小事一桩。

[Victor Nikolaev]

renegate:
先生们!
训练网格的算法，甚至是自学的算法，都不难找到，但与准备训练数据的过程相比，这只是小事一桩。

我想澄清一下。问题的提出。因为一切都取决于它。

据我所知，竞争中的大多数EA都有神经元。