通往GRAAL的道路上的边缘效应 - 页 4 1234567891011...14 新评论 Азиз Мамедов 2009.01.07 10:40 #31 退下。弄清楚了。 剩下的就是要找到如何形成DLL。 对数学。 一个有趣的想法。但是。:)问题是，由于人类的不完美性，发明一些在某些边界条件下的工作，这本来就是人类的事情。 从陆地的轮子、海洋的船桨开始，到趋势和通量战略。我们从几个子系统建立我们的系统。 交易策略，定义边界条件的过滤系统和资金管理子系统，其目的是限制前两者的失败。 这只是我们习惯的方式。但是，有一个基于基本（基本）价格属性的交易策略（方法），就可以了。 使得其他 "补丁 "子系统没有必要。而这个单一的系统必须是简单的。 不幸的是（或幸运的是）还没有人发现它。如果他们已经找到了，我们也不会知道 :) 重新开始工作。 Neutron 2009.01.07 10:53 #32 mql4com писал(а)>> 如果你寻找一种模式，它就在价格本身。 这是正确的! 我们的主要错误是，我们试图用微分计算（泰勒级数，等等）来处理像价格系列这样的BP。当然，这是不可能的，因为价格序列是不平滑的（第一个差值是符号变量），在这种情况下，我们做了下一个 "巧妙 "的步骤--我们通过mooing或小波来平滑初始BP，并对平滑序列做任何我们想做的事情，忘记了这个程序对我们已经有的东西没有增加有用的信息。我们正在跺脚，试图，比喻说，用我们的头发把自己从沼泽中拉出来。你不能将一个价格序列平滑化，然后在其上建立一个预测（以任何方式）来获得原始BP中没有的信息。 这就是为什么不浪费时间和精力的唯一方法是在不直接或间接使用微分方法的情况下处理初始价格序列，这很有意义，例如使用HC仪器，回归方法等。 Азиз Мамедов 2009.01.07 11:15 #33 Neutron писал(а)>> 这是正确的! 我们的主要错误是，我们试图用微分计算（泰勒级数等）来处理一个价格型的BP。当然，这是不可能的，因为价格序列是不平滑的（第一个差值是符号变量），在这种情况下，我们做了下一个 "巧妙 "的步骤--我们通过mooing或小波来平滑初始BP，并对平滑序列做任何我们想做的事情，忘记了这个程序对我们已经有的东西没有增加有用的信息。我们正在跺脚，试图，比喻说，用我们的头发把自己从沼泽中拉出来。你不能将一个价格序列平滑化，然后在其上建立一个预测（以任何方式）来获得原始BP中没有的信息。 因此，不浪费时间和精力的唯一方法，是在不直接或间接使用微分方法的情况下，对原始价格序列进行处理，这很有意义，例如，使用NS的仪器，回归方法等。 没有人说要给现有的转化方法增加任何信息。 我说的恰恰相反，转型是一种去除冗余信息并专注于其中有用部分的方式。 顺便说一下，你不能在纯价格数据上训练NS。它们仍然必须以某种方式被规范化和平滑化。而这已经是一种转变 :) 我不熟悉回归方法，所以我不打算与他们争论。 Neutron 2009.01.07 11:25 #34 Desperado писал(а)>>我说恰恰相反，转换是一种去除多余信息的方式，并专注于其中有用的部分。 顺便说一下，你不能在纯价格数据上训练NS。你仍然必须以某种方式将它们规范化和平滑化。而这已经是一种转变 :) 你这么说是对的。 顺便说一句，你可以在任何数据上训练NS，唯一的问题是它需要多长时间...学习，这是一个非常资源密集的过程，我们的任务是准备输入数据，以便尽可能地促进国家统计局的任务，但同时又不为她解决这个问题 :-) 关于NS的初步平滑数据，这是无稽之谈，因为在这个过程中不可避免的FS将绝对剥夺NS的预测质量，更确切地说，它不会给它带来任何新的东西。但我已经重复了。 Азиз Мамедов 2009.01.07 11:59 #35 Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время... 但如果数据是嘈杂的，学习的成功率应该会降低，不是吗？此外，这些例子随着时间的推移而变化。而如果你选择一个长的学习期，数据就会不一致。随着规则的变化和群众对事件的反应，该网络需要不断地重新训练。 训练，这是一个非常资源密集的过程，我们的任务是以一种使NS尽可能容易完成任务的方式来准备输入数据，但同时又不是为它解决这个问题:-) 我同意 :) 至于NS的数据预平滑，那是无稽之谈，因为在这个程序中不可避免的FS将完全剥夺NS的预测性，或者说它不会给它带来任何新的东西。但我已经在重复自己了。 你是否真的设法在未平滑的数据上训练网络，并使其在训练样本之外的一段时间内工作？ Neutron 2009.01.07 12:21 #36 Desperado писал(а)>> 但是，如果数据是嘈杂的，学习应该不那么成功，不是吗？ 你是否自以为是地判断哪里有噪音，哪里有有用的信息？我不会对自己对真相的了解如此肯定，让NS为她解决这个有价值的任务。 此外，例子随着时间的推移而变化。而如果你选择了一个很长的训练期，数据就会不一致。随着规则的变化和群众对事件的反应，网络需要一直被重新训练。 我100%同意。 你真的能够在未平滑的数据上训练网络，并让它在训练样本之外工作一段时间吗？ 我在预测的每一步（在每个样本上）都重新训练网络，或者说我没有从头开始训练，我完全是在未平滑的数据上重新训练。 现在我正在研究正确识别价格运动方向的份额（横轴）与训练历时数（横轴）的关系。给出的数据是双层非线性NS的数据，隐藏层有8个神经元，3个输入。红色阴影是训练样本，蓝色阴影是测试样本，在非训练数据上。每个点是100个独立实验的统计处理结果。 Evgeniy Kvasov 2009.01.07 12:38 #37 Desperado >> : 安装了Matlab 7.01，强大的东西。 找到了小波。 但我如何将我的信号加载到系统中？ 是否有一个转换器，例如从文本文件到Matlab的转换器？ 为什么不是最新的77号？它已经修复了一些错误，特别是在dll处理方面。我的dll从7.1开始定期挂起，我很想找到原因，但我找不到。在77号文件中，它工作得很好，此外，也没有过多的文件夹和文件。如果你买了磁盘，我建议你用最新的R2008b替换它。 Азиз Мамедов 2009.01.07 12:43 #38 我从图中假设，网络在30%的时间里猜到了方向，这是否正确？ 你是否尝试过用网子的集合来工作？例如用3个或5个来细化决定。 或者用一对网子：一个人只往上猜，另一个人只往下猜。 顺便说一下，为什么正好是3个（或5个，我糊涂了；）输入神经元。我只是遇到了有4、7或15个输入的网络 :) p.s. 我曾经做过一个实验，我记住了我所有的历史，并搜索与当前情况最相似的情况 使用矢量距离法（当然是归一化矢量）。在60%的情况下，历史重演 :) 但它仍然取决于预测范围和矢量长度。 Азиз Мамедов 2009.01.07 12:48 #39 vladevgeniy писал(а)>> 为什么不是最新的77号？它已经修复了一些错误，特别是在dll处理方面。我的dll从7.1开始定期挂起，我很想找到原因，但我找不到。在77号文件中，它工作得很好，此外，也没有被剥夺的文件夹和文件。如果你买了它，我建议用最新的R2008b替换它。 这是我发现的第一个。我以后会用7.7来代替它。 分析了工具箱中的小波。梅耶尔绝对比多贝希更适合。 但有时还是错了。例如，它显示了一个明显的最大值，即在上升抛物线之前的停滞时刻：）。 虽然，快速投掷是由最后一级表示的。这是在低处。 我想从合成的信号和两个细节中制作一个指标，并查看依赖关系。 我目前正在解决DLL的形成问题。 Evgeniy Kvasov 2009.01.07 13:01 #40 绝望者，请看私人信息。 1234567891011...14 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
退下。弄清楚了。
剩下的就是要找到如何形成DLL。
对数学。
一个有趣的想法。但是。:)问题是，由于人类的不完美性，发明一些在某些边界条件下的工作，这本来就是人类的事情。
从陆地的轮子、海洋的船桨开始，到趋势和通量战略。我们从几个子系统建立我们的系统。
交易策略，定义边界条件的过滤系统和资金管理子系统，其目的是限制前两者的失败。
这只是我们习惯的方式。但是，有一个基于基本（基本）价格属性的交易策略（方法），就可以了。
使得其他 "补丁 "子系统没有必要。而这个单一的系统必须是简单的。
不幸的是（或幸运的是）还没有人发现它。如果他们已经找到了，我们也不会知道 :)
重新开始工作。
如果你寻找一种模式，它就在价格本身。
这是正确的!
我们的主要错误是，我们试图用微分计算（泰勒级数，等等）来处理像价格系列这样的BP。当然，这是不可能的，因为价格序列是不平滑的（第一个差值是符号变量），在这种情况下，我们做了下一个 "巧妙 "的步骤--我们通过mooing或小波来平滑初始BP，并对平滑序列做任何我们想做的事情，忘记了这个程序对我们已经有的东西没有增加有用的信息。我们正在跺脚，试图，比喻说，用我们的头发把自己从沼泽中拉出来。你不能将一个价格序列平滑化，然后在其上建立一个预测（以任何方式）来获得原始BP中没有的信息。
这就是为什么不浪费时间和精力的唯一方法是在不直接或间接使用微分方法的情况下处理初始价格序列，这很有意义，例如使用HC仪器，回归方法等。
这是正确的!
我们的主要错误是，我们试图用微分计算（泰勒级数等）来处理一个价格型的BP。当然，这是不可能的，因为价格序列是不平滑的（第一个差值是符号变量），在这种情况下，我们做了下一个 "巧妙 "的步骤--我们通过mooing或小波来平滑初始BP，并对平滑序列做任何我们想做的事情，忘记了这个程序对我们已经有的东西没有增加有用的信息。我们正在跺脚，试图，比喻说，用我们的头发把自己从沼泽中拉出来。你不能将一个价格序列平滑化，然后在其上建立一个预测（以任何方式）来获得原始BP中没有的信息。
因此，不浪费时间和精力的唯一方法，是在不直接或间接使用微分方法的情况下，对原始价格序列进行处理，这很有意义，例如，使用NS的仪器，回归方法等。
没有人说要给现有的转化方法增加任何信息。
我说的恰恰相反，转型是一种去除冗余信息并专注于其中有用部分的方式。
顺便说一下，你不能在纯价格数据上训练NS。它们仍然必须以某种方式被规范化和平滑化。而这已经是一种转变 :)
我不熟悉回归方法，所以我不打算与他们争论。
我说恰恰相反，转换是一种去除多余信息的方式，并专注于其中有用的部分。
顺便说一下，你不能在纯价格数据上训练NS。你仍然必须以某种方式将它们规范化和平滑化。而这已经是一种转变 :)
你这么说是对的。
顺便说一句，你可以在任何数据上训练NS，唯一的问题是它需要多长时间...学习，这是一个非常资源密集的过程，我们的任务是准备输入数据，以便尽可能地促进国家统计局的任务，但同时又不为她解决这个问题 :-)
关于NS的初步平滑数据，这是无稽之谈，因为在这个过程中不可避免的FS将绝对剥夺NS的预测质量，更确切地说，它不会给它带来任何新的东西。但我已经重复了。
Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время...
但如果数据是嘈杂的，学习的成功率应该会降低，不是吗？此外，这些例子随着时间的推移而变化。而如果你选择一个长的学习期，数据就会不一致。随着规则的变化和群众对事件的反应，该网络需要不断地重新训练。
训练，这是一个非常资源密集的过程，我们的任务是以一种使NS尽可能容易完成任务的方式来准备输入数据，但同时又不是为它解决这个问题:-)
我同意 :)
至于NS的数据预平滑，那是无稽之谈，因为在这个程序中不可避免的FS将完全剥夺NS的预测性，或者说它不会给它带来任何新的东西。但我已经在重复自己了。
你是否真的设法在未平滑的数据上训练网络，并使其在训练样本之外的一段时间内工作？
但是，如果数据是嘈杂的，学习应该不那么成功，不是吗？
你是否自以为是地判断哪里有噪音，哪里有有用的信息？我不会对自己对真相的了解如此肯定，让NS为她解决这个有价值的任务。
此外，例子随着时间的推移而变化。而如果你选择了一个很长的训练期，数据就会不一致。随着规则的变化和群众对事件的反应，网络需要一直被重新训练。
我100%同意。
你真的能够在未平滑的数据上训练网络，并让它在训练样本之外工作一段时间吗？
我在预测的每一步（在每个样本上）都重新训练网络，或者说我没有从头开始训练，我完全是在未平滑的数据上重新训练。
现在我正在研究正确识别价格运动方向的份额（横轴）与训练历时数（横轴）的关系。给出的数据是双层非线性NS的数据，隐藏层有8个神经元，3个输入。红色阴影是训练样本，蓝色阴影是测试样本，在非训练数据上。每个点是100个独立实验的统计处理结果。
安装了Matlab 7.01，强大的东西。
找到了小波。
但我如何将我的信号加载到系统中？
是否有一个转换器，例如从文本文件到Matlab的转换器？
为什么不是最新的77号？它已经修复了一些错误，特别是在dll处理方面。我的dll从7.1开始定期挂起，我很想找到原因，但我找不到。在77号文件中，它工作得很好，此外，也没有过多的文件夹和文件。如果你买了磁盘，我建议你用最新的R2008b替换它。
我从图中假设，网络在30%的时间里猜到了方向，这是否正确？
你是否尝试过用网子的集合来工作？例如用3个或5个来细化决定。
或者用一对网子：一个人只往上猜，另一个人只往下猜。
顺便说一下，为什么正好是3个（或5个，我糊涂了；）输入神经元。我只是遇到了有4、7或15个输入的网络 :)
p.s.
我曾经做过一个实验，我记住了我所有的历史，并搜索与当前情况最相似的情况
使用矢量距离法（当然是归一化矢量）。在60%的情况下，历史重演 :)
但它仍然取决于预测范围和矢量长度。
为什么不是最新的77号？它已经修复了一些错误，特别是在dll处理方面。我的dll从7.1开始定期挂起，我很想找到原因，但我找不到。在77号文件中，它工作得很好，此外，也没有被剥夺的文件夹和文件。如果你买了它，我建议用最新的R2008b替换它。
这是我发现的第一个。我以后会用7.7来代替它。
分析了工具箱中的小波。梅耶尔绝对比多贝希更适合。
但有时还是错了。例如，它显示了一个明显的最大值，即在上升抛物线之前的停滞时刻：）。
虽然，快速投掷是由最后一级表示的。这是在低处。
我想从合成的信号和两个细节中制作一个指标，并查看依赖关系。
我目前正在解决DLL的形成问题。