在交易中使用神经网络。 - 页 6 12345678910111213...20 新评论 Neutron 2009.03.22 17:29 #51 Mathemat писал(а)>> 好吧,谢尔盖,让我们慢慢地、悲哀地接受它。首先让我们来处理一下一般的定理。这里是链接。见定理24、25、26。 注:第24题涉及分布的密度 函数。 但第25条所做的正是你需要的,它是关于分布函数的。 为了好玩,再看一下Th 26的结果8。 结果的第三个公式正是我想从一个均匀的高斯得到一个高斯的时候所说的。 而对于你的指数分布,只需要整齐地得到它的分布函数(积分)并应用Th 25。 谢谢,我会看看的。 我查了一下--正是我所需要的。我将研究它。 FION 写道>> 你说的 "架构任意扩展 "是什么意思。据我所知,架构是指网络的结构。而缩放是使用一些数据配给的功能。100个输入是有点多。还是说你的100元是别的东西? 我指的是我推断的TC输入参数--输入的数量(现在使用100),可以从1到200改变。层数(从1到3)。每层中的神经元数量(从1到1024)。输出层总是包含一个神经元。 [删除] 2009.03.23 05:29 #52 sol >> : 我的网络只是每24小时进行一次重新训练。我不知道这是个优点还是缺点。但是,到目前为止,它很时髦。 >>很好。) Artem Titarenko 2009.03.23 12:53 #53 机器学习资源库 这里有一个标准任务的链接。它们通常被用来测试不同的算法、预处理方法等。 你也可以对它们进行训练,学习如何使用网络,亲眼看看 "什么是通过NS进行的预测或分类",或者更确切地说,神经网络会出现什么样的错误,等等。 任务的描述在同一个地方,上面有... 下面是一个任务(OptDigits)的样本中的一个小例子。 输入值。 000000000101100111111111111110000000 00000000011111111111111111110000 00000000011111111111111111110000 00000000011111111111111111111111111111110000 00000000011111111111111100000000 00000000011111111111110000000000000000 0000000111111111111110000000000 000000011111111111111000000 000000011111111111111000000 00000001111111111111111000000 0000000111111111111111110000 0000000111111111111111110000 0000000111111111111000000 0000000111111111111110000 000000011111111100 0000000000000000000011111111110000 0000000000000000000000000111111111110000 0000000000000000000000000001111111100000 000000000000000000000001111111100000 00000000000000000111111111100000 000000000000000000000111111111110000 00000000001111111111111000000 0000000000111111111000000 000000000011111111111000000 00000000000111111111111000000 0000000000011111111110000000000 000000000011111110000000000 000000001111100000000000000 输出:5 Using Neural Networks in Neutron 2009.03.23 14:21 #54 Mathemat писал(а)>> 这里是链接。见定理24、25、26。 我没有得到它。 让我们来看看。左边是欧元兑美元分钟栏开盘价的概率密度,右边是分布函数。 现在来看看这个链接。 假设我想从第一幅图中的分布中得到一个常数1。那么就不难得到以下特征。 其中f(x)是我想去等于的概率密度,g(x)是一些函数,我需要用它来乘以输入数据以得到一个 "架子"。那么,接下来呢?求解这个微分方程...我不知道如何。 让我们继续寻找。 我们不会说任何关于该段的事情,这并不重要。它说的是什么?从字面上看,如果我有一个分布函数F(x)(图右),那么它不需要花费任何代价来获得所需的 "架子"--因为这足以影响输入的数据,由这个开放者...但这是无稽之谈!在我看来,你不可能从初始的分布中得到这样一个均匀的分布。总之,谁的真正数学好。>> 嗷! Sceptic Philozoff 2009.03.23 15:00 #55 Neutron писал(а)>> 我们暂且不说这部分内容--这不是重点。这里所争论的是什么?从字面上看,如果我有一个分布函数F(x)(图右),那么它不需要花费任何代价来获得所需的 "架子"--因为这足以影响输入的数据,由这个开放者...但这是无稽之谈!在我看来,你不可能从初始的分布中得到这样一个均匀的分布。总之,谁在这里擅长真正的数学。嗷! 这就对了,谢尔盖,这就对了。拿着这些无稽之谈去检查一下吧(或者更好的是,试着去理解为什么完全如此)。产生一个正态分布的量,并用高斯函数(积分)影响它。只要记住确保两个函数(积分分布规律和第二个函数)是绝对相同的。 P.S. 不要去管分布密度和导数。你需要它们做什么?这将是同样的事情,只是从侧面看。 P.P.S.谢尔盖,好吧,我自己已经从一个均匀的值中得到了一个正态分布的值,通过用高斯函数的积分反作用于第一个值。现在让我们把计算结果进行反转...... [删除] 2009.03.23 16:30 #56 你们到底在这里做什么...我可怜的大脑... SZS: 对了,我早就想问了--为什么要把价格函数看作是连续的呢? 如果是离散的呢? Artem Titarenko 2009.03.23 17:19 #57 好吧,谢尔盖, Mathemat 现在正在说我写给你的东西。让我们自己看一下。 下面是分布函数(根据经验)。 然后让我们建立一个理论上的(我不记得了,叫法是否正确?),使用公式(1/OREN(6,2828))*EXP(-ABS(DIVISION(A1;2)/2)) 浅绿色只需要完美地接近蓝色。然后,你就可以得到一个完美的 "架子",与整体... 下面是积分的视图(sigmoid!!!)。 在我看来,你应该通过系数(我不知道是哪种)与理论的经验分布函数进行近似。然后将这些系数代入sigmoid,数据通过sigmoid后分布将相等。 阿列克谢,我想得一点都没错吗?也许你可以就这个问题提出一些建议? Prival 2009.03.23 18:34 #58 好吧,我错过了那条线。现在我将四处寻找,看看它是否还在那里。我已经下载了Tikhonov的数学,他有如何获得给定值的所需PD(有例子),但似乎并不适合所有人。必须计算反函数...我不记得是什么,只记得 Neutron 2009.03.23 18:49 #59 StatBars писал(а)>> 好吧,谢尔盖, Mathemat 现在正在说我写给你的东西。现在让我们试着确定一下。 让我们确定一下。 下面是分布函数(根据经验)。 不,这不是一个分布函数,而是一个概率密度函数(见Alexei的 链接)。 浅绿色的应该与蓝色的完全相似。然后你可以得到一个理想的 "架子",有一个完整的... 下面是积分的视图(sigmoid!!!)。 准确地说,它不是一个sigmoid--它是一个具有可变上限的高斯的积分--erf(x)是一个表征函数。 我认为问题如下:我应该用系数(我不知道)来近似一个理论上的经验分布函数。然后将这些系数代入sigmoid,数据通过sigmoid后,将是一个均匀分布。 近似没有问题;问题始于不清楚如何处理所获得的分布函数erf(x)。这就是我在上面说的。 Artem Titarenko 2009.03.24 00:09 #60 是的,确实,我的定义是错误的(分布/分布密度)... 用erf()做什么--我不知道。 这里有一个正弦波和它的导数。为什么是乙状结肠?- 只是因为sigmoid不是erf(x)。:) 现在采取数据,建立经验性的,选择系数A和B,这样密度会重合。积分也被绘制出来。 现在,我们将找到的系数代入积分,并进行计算。 这就是我们得到的东西。 现在我们需要从理论上 "适应 "一切,因为我更多地是靠直觉而不是靠理论知识来做。 向所有专家提问--我如何找到系数A和B?也许A和B是没有必要的,有一些其他形式的记录分配法,等等? 或者,也许这都是废话,不可能这样做? 12345678910111213...20 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
好吧,谢尔盖,让我们慢慢地、悲哀地接受它。首先让我们来处理一下一般的定理。这里是链接。见定理24、25、26。
注:第24题涉及分布的密度 函数。
但第25条所做的正是你需要的,它是关于分布函数的。
为了好玩,再看一下Th 26的结果8。 结果的第三个公式正是我想从一个均匀的高斯得到一个高斯的时候所说的。
而对于你的指数分布,只需要整齐地得到它的分布函数(积分)并应用Th 25。
谢谢,我会看看的。
我查了一下--正是我所需要的。我将研究它。
你说的 "架构任意扩展 "是什么意思。据我所知,架构是指网络的结构。而缩放是使用一些数据配给的功能。100个输入是有点多。还是说你的100元是别的东西?
我的网络只是每24小时进行一次重新训练。我不知道这是个优点还是缺点。但是,到目前为止,它很时髦。
>>很好。)
机器学习资源库
这里有一个标准任务的链接。它们通常被用来测试不同的算法、预处理方法等。
你也可以对它们进行训练,学习如何使用网络,亲眼看看 "什么是通过NS进行的预测或分类",或者更确切地说,神经网络会出现什么样的错误,等等。
任务的描述在同一个地方,上面有...
下面是一个任务(OptDigits)的样本中的一个小例子。
输入值。
000000000101100111111111111110000000
00000000011111111111111111110000
00000000011111111111111111110000
00000000011111111111111111111111111111110000
00000000011111111111111100000000
00000000011111111111110000000000000000
0000000111111111111110000000000
000000011111111111111000000
000000011111111111111000000
00000001111111111111111000000
0000000111111111111111110000
0000000111111111111111110000
0000000111111111111000000
0000000111111111111110000
000000011111111100
0000000000000000000011111111110000
0000000000000000000000000111111111110000
0000000000000000000000000001111111100000
000000000000000000000001111111100000
00000000000000000111111111100000
000000000000000000000111111111110000
00000000001111111111111000000
0000000000111111111000000
000000000011111111111000000
00000000000111111111111000000
0000000000011111111110000000000
000000000011111110000000000
000000001111100000000000000
输出:5
这里是链接。见定理24、25、26。
我没有得到它。
让我们来看看。左边是欧元兑美元分钟栏开盘价的概率密度,右边是分布函数。
现在来看看这个链接。
假设我想从第一幅图中的分布中得到一个常数1。那么就不难得到以下特征。
让我们继续寻找。
我们不会说任何关于该段的事情,这并不重要。它说的是什么?从字面上看,如果我有一个分布函数F(x)(图右),那么它不需要花费任何代价来获得所需的 "架子"--因为这足以影响输入的数据,由这个开放者...但这是无稽之谈!在我看来,你不可能从初始的分布中得到这样一个均匀的分布。总之,谁的真正数学好。>> 嗷!
我们暂且不说这部分内容--这不是重点。这里所争论的是什么?从字面上看,如果我有一个分布函数F(x)(图右),那么它不需要花费任何代价来获得所需的 "架子"--因为这足以影响输入的数据,由这个开放者...但这是无稽之谈!在我看来,你不可能从初始的分布中得到这样一个均匀的分布。总之,谁在这里擅长真正的数学。嗷!
这就对了,谢尔盖,这就对了。拿着这些无稽之谈去检查一下吧(或者更好的是,试着去理解为什么完全如此)。产生一个正态分布的量,并用高斯函数(积分)影响它。只要记住确保两个函数(积分分布规律和第二个函数)是绝对相同的。
P.S. 不要去管分布密度和导数。你需要它们做什么?这将是同样的事情,只是从侧面看。
P.P.S.谢尔盖,好吧,我自己已经从一个均匀的值中得到了一个正态分布的值,通过用高斯函数的积分反作用于第一个值。现在让我们把计算结果进行反转......
你们到底在这里做什么...我可怜的大脑...
SZS: 对了,我早就想问了--为什么要把价格函数看作是连续的呢? 如果是离散的呢?
好吧,谢尔盖, Mathemat 现在正在说我写给你的东西。让我们自己看一下。
下面是分布函数(根据经验)。
然后让我们建立一个理论上的(我不记得了,叫法是否正确?),使用公式(1/OREN(6,2828))*EXP(-ABS(DIVISION(A1;2)/2))
浅绿色只需要完美地接近蓝色。然后,你就可以得到一个完美的 "架子",与整体...
下面是积分的视图(sigmoid!!!)。
在我看来,你应该通过系数(我不知道是哪种)与理论的经验分布函数进行近似。然后将这些系数代入sigmoid,数据通过sigmoid后分布将相等。
阿列克谢,我想得一点都没错吗?也许你可以就这个问题提出一些建议?
好吧,谢尔盖, Mathemat 现在正在说我写给你的东西。现在让我们试着确定一下。
让我们确定一下。
下面是分布函数(根据经验)。
不,这不是一个分布函数,而是一个概率密度函数(见Alexei的 链接)。
浅绿色的应该与蓝色的完全相似。然后你可以得到一个理想的 "架子",有一个完整的...
下面是积分的视图(sigmoid!!!)。
准确地说,它不是一个sigmoid--它是一个具有可变上限的高斯的积分--erf(x)是一个表征函数。
我认为问题如下:我应该用系数(我不知道)来近似一个理论上的经验分布函数。然后将这些系数代入sigmoid,数据通过sigmoid后,将是一个均匀分布。
近似没有问题;问题始于不清楚如何处理所获得的分布函数erf(x)。这就是我在上面说的。
是的,确实,我的定义是错误的(分布/分布密度)...
用erf()做什么--我不知道。
这里有一个正弦波和它的导数。为什么是乙状结肠?- 只是因为sigmoid不是erf(x)。:)
现在采取数据,建立经验性的,选择系数A和B,这样密度会重合。积分也被绘制出来。
现在,我们将找到的系数代入积分,并进行计算。
这就是我们得到的东西。
现在我们需要从理论上 "适应 "一切,因为我更多地是靠直觉而不是靠理论知识来做。
向所有专家提问--我如何找到系数A和B?也许A和B是没有必要的,有一些其他形式的记录分配法,等等?
或者,也许这都是废话,不可能这样做?