Похоже мы с тобой пришли к одной цели совершенно разными путями! Я сейчас упорно работаю над Нейронными Сетями как универсальным инструментом для прогнозных целей. Забавная вещица - прогнозирует всё что только в ВР есть! Научился в маткаде писать НС с произвольной архитекртурой и нелинейностью. Занят её оптимизацией. Вобще, аж дух захватывает, когда видишь как она обучается и пытается применять полученные знания.
但结果将是有趣的。
我也得出了同样的结论（在直觉的层面上），但我想确认（或反驳）我的结论。
此外。我假设这种研究的可能性、手段和方法。但不是为了开辟菜园，我提出这个问题是为了了解是否有其他人问过自己这些问题，以及他得到了什么答案和结果。
我希望它们不仅是有趣的，而且是有用的。
对中子
Похоже мы с тобой пришли к одной цели совершенно разными путями! Я сейчас упорно работаю над Нейронными Сетями как универсальным инструментом для прогнозных целей. Забавная вещица - прогнозирует всё что только в ВР есть! Научился в маткаде писать НС с произвольной архитекртурой и нелинейностью. Занят её оптимизацией. Вобще, аж дух захватывает, когда видишь как она обучается и пытается применять полученные знания.
完全没有不同 :o).我和NS打交道已经很长时间了，它真的很神奇。有人证明，用NS可以实现任何算法，而NS的数学基础与DSP中的自适应线性过滤原理非常接近。我几乎 "每天 "都在使用NS，现在我专注于用NS搜索依赖关系，而不是直接用它来预测（很少有人知道，NS做这种任务比图像识别更好）。粗略地说，如果存在依赖性，就会被发现，是否有可能简单地将其形式化则是另一回事。说到这里，我不是一个将NS纳入专家的 "粉丝"，因为这很简单--如果没有 "有效的法律"，没有NS会帮助你，而学习--是时候重新训练了。
PS1: 我有个问题，（关于一个相邻主题的材料）我在哪里可以读到关于最佳再投资的理论？我想它很快就会派上用场。
PS2：顺便说一下，将有时间 - 注意基于信息理论的NS模型（使用信息熵的概念）。也许你会发现他们对价格时间序列的应用很有趣。
到Xadviser
如果这不是一个秘密，那么用什么标准来计算，结果如何？
这些参数是为模型 "http://www.metatrader4.com/ru/forum/6839/page107 "收集的，帖子 "grasn 11.01.07 16:16"，我还没有准备好详细描述它们。比方说，预测的趋势长度是根据经验确定的（线性回归 被当作一种趋势）。总而言之，它是有效的。
4.对，首先我们应该决定标准。这就是为什么这个问题响起了计算和标准。
期待你的实验结果（这对我来说很有趣，但我现在不能花时间去做）。他所引用的标准，Seryoga也给出了相当好的标准。如果有的话，请问。
PS:
在这里，我也得出了同样的结论（在直觉的层面上），但我想证实（或反驳）他们的捏造。
此外。我假设这种研究的可能性、手段和方法。但不是为了开辟菜园，我提出这个问题是为了了解是否有其他人问过自己这些问题，以及他得到了什么答案和结果。
我希望它们不仅是有趣的，而且是有用的。
我也是，得到了50/50。也许我不应该浪费我的时间，否则我会得到60/40，而你会认为它更接近于50/50或90/10 :o)
PS1: 我有个问题，（来自一个相邻的主题）我在哪里可以读到关于最佳再投资理论的文章？我想它很快就会派上用场。
由于数量庞大，我无法塞进档案。
在网上查看：V. Zhizhilev "利润提取的最佳策略 "和 Ezhov A.A.,Shumsky S.A."神经计算"。
掌握
你和我似乎以非常不同的方式达到了相同的目标!我目前正在努力研究将神经网络作为预测的通用工具。这是一个有趣的事情--它预示着BP的一切!我已经学会了在Matcheda中编写一个 任意架构和非线性的神经网络。忙着优化它。总的来说，当你看到它如何学习并试图应用我所掌握的知识时，它让我叹为观止。
关于Matcad和其中的NS，这将是非常有趣的。如果你能分享，我将不胜感激。虽然我恐怕没有时间去触摸、感受和检查所有的东西。我在大约20年前曾经编过类似的程序，也许是我搞错了，我的知识像恐龙一样过时了。
掌握
你和我似乎以非常不同的方式达到了相同的目标!我目前正在努力研究将神经网络作为预测的通用工具。这是一个有趣的事情--它预示着BP的一切!我已经学会了在Matcheda中编写一个 任意架构和非线性的神经网络。忙着优化它。一般来说，看到它如何学习并试图应用它所学到的东西，令人叹为观止。
我想知道如何在其中使用Matcad和VS，这将是非常有趣的。如果你能分享，我将不胜感激。虽然我担心没有足够的时间去触摸、感受和检查所有的东西。我在20年前就对他们失去了信心，我曾经编过一些类似的程序，可能是搞错了，我的知识像恐龙一样过时了。
我使用以下设计。
它是一个网格，层数可以从1到3改变，输入数 - In，每层的神经元数量 - n和一个输出，w - 可配置权重。从出版物来看，进一步增加层数是没有意义的，因为三层NS近似于d维立方体上的一个任意表面。非线性可以通过激活函数f(x)来指定，或者更突然地指定为和号下的x的度数，在这种情况下，即使是单层NS也可以实现完全的普遍性，但在训练过程中存在着应用误差反向传播的问题。
我使用这个网格来确定最佳架构、输入数量和训练样本大小。我将价格增量输入到NS的输入端，并从输出端获取一个向前的预测。
这些参数是在模型 "http://www.metatrader4.com/ru/forum/6839/page107 "的帖子 "grasn 11.01.07 16:16 "下收集的，我不准备详细讲述这些参数。就说预测的趋势长度是根据经验确定的（把线性回归作为一种趋势）。总而言之，它是有效的。
1.是的......。我对这个话题已经熟悉了很久了。而且我注意到你当时的帖子。但很难把握住这个巨大的空间。
期待你的实验结果（对我来说很有趣，但我现在不能花时间在这上面）。他的标准已经给出，Seryoga也给出了相当好的标准。如果有的话，请问。
2.不幸的是，我没有编程技能。因此，提供实验结果的速度取决于找到具有这种技能的感兴趣的人的速度。我一定会给你结果的。
也许有人会作出回应。
3.我想请其他与会者在本议题标题的框架内进行建设性的对话。
恭敬地说。
是的，这样的思想是有生命权的。我自己偶尔也会这样做。
有兴趣了解你对这个问题的看法https://forum.mql4.com/ru/11661，我将不胜感激。
它与这个话题的主题有些重合。即在交易中使用某种价格运动模式。这是一个 "先有鸡还是先有蛋？"的问题。
我读过关于50/50的文章：市场是趋势，平淡是指从一个趋势转到另一个趋势时的波动时刻，而市场是平淡的，交易只是从一个平淡到另一个平淡的过渡。这两种观点都很有道理。
我接近timbo 提出的观点。在我看来，这个问题的答案可以归结为关于概念的对话。众所周知，人类使用许多概念，在绝大多数情况下，这些概念的近似含义没有被定义。对于任何概念的定义，有必要准确地找出它的 "不可还原的余数"，即一个概念所固有的最小属性集。这个集合对大多数概念来说都没有定义。即使是最简单、最普通的物体，要找出差异也是非常困难的。例如，一个杯子和一个水杯或一本书和一本杂志之间有什么区别？在诸如真理、规则性、法律等概念方面出现了困难。
趋势和平坦并不是例外。这些概念的界限是模糊的。换句话说，它们是一种趋势的表达，是在个人喜好的基础上决定的。你如何在实际工作中使用这些概念？对我来说，这很有意义：在第一阶段，大致设定这些概念的边界是有意义的。例如，以某一时期的平均回归线的斜率为例，单位=点数/时间。边界可以任意定义，例如，10p/hr。如果超过这个数字，就是一个趋势，如果低于这个数字，就是一个平面。
在创建交易系统的过程中，这些概念可以被指定。如果TS包括一个搜索趋势的交易标准的算法和另一个搜索平坦的算法，那么，通过改变回归线计算的周期和角度阈值，我们可以获得数据集并选择其中最好的。作为这种调查的结果，将有可能声称这些概念的定义已被本TS采用。在这些定义的框架内，构建了一个TS，给出了这样那样的结果。
在任何情况下，不要认为趋势和fdat的概念是不可改变的和预先确定的东西。
趋势和平坦的概念也不例外。这些概念的界限是模糊的。换句话说，这些概念反而表达了一种基于个人偏好而决定的趋势。
1.谢谢你。
2.完全同意，因为我持有同样的立场。"...基于个人喜好的"。
3.你是否有与个人喜好（标准）的阐述？基本上有两个问题：标准是什么？(也最好是它们的原因），在这些标准下的结果是什么？
也就是说，我对趋势和平坦之间的区别不感兴趣，也不关心它们哪个是主要的，而是它们之间的关系是什么？
趋势和平坦的概念也不例外。这些概念的界限是模糊的。换句话说，这些概念反而表达了一种基于个人偏好而决定的趋势。
1.谢谢你。
2.完全同意，因为我持有同样的立场。"...基于个人偏好"。
3.你有个人喜好（标准）的记录吗？基本上有两个问题：标准是什么？(最好还有原因），这些标准的结果是什么？
也就是说，我们感兴趣的不是趋势和平坦之间的区别，也不是它们中的哪一个是主要的，而是它们的关系是什么？
以这样或那样的方式定义一些数字比率，就是在定义一个边界，即基本上是在定义一个趋势和一个平坦。在我的上一篇文章中，我试图说明原则上不存在不可改变的关系。只有在特定的交易系统中具体应用时，才能给出具体的定义。在我的发展中，我不以趋势和平面的概念为导向。但如果我有自己的定义，它们将只适合于我的系统。