神经网络 - 页 6 1234567891011121314 新评论 [Deleted] 2009.08.04 10:02 #51 伙计们，请帮助我理解一个特定的神经网络！"。大约五年前，我和我的朋友们在统计学中创建了一个神经网络，然后我们用它来交易，相当成功。我有一些资料，但不幸的是，我从来没有使用过STATISTICA程序本身，在过去的三年里，我也没有尝试过它。帮助理清在哪里加载什么网络输出。准备把档案与我的电子邮件上的来源一起扔掉。提前感谢。 Andrey Dik 2009.08.04 10:17 #52 StatBars >> : 如果我们知道正弦波，因此可以用网络预测它，然后创建一个更复杂的公式，分析符号将被你知道，所以我们也可以预测它。市场是同样的公式，只是更复杂，而且不知道是谁给了我们... 并不是说市场有一个非常复杂的公式，也不是说我们不知道它。神经网络可以对任何复杂度的函数进行近似。关键是，市场正在发生变化! 因此，原则上不可能和老师一起学习。 Andrey Dik 2009.08.04 10:30 #53 marketeer >>:我认为，你太急于对网格打折扣了，甚至没有真正尝试你应该做的10%（只是从你开始直接在你的项目上工作的时间来判断）。凭借你的数学背景，你可以选择用什么来尝试和替换网格;-)。欢迎你来尝试。但在我看来，通过批评网格，你的注意力集中在错误的地方。 没有人批评这些网，也没有人打算这样做。这是关于别的东西。 Artem Titarenko 2009.08.04 10:46 #54 joo писал(а)>> 并不是说市场有一个非常复杂的公式，也不是说我们不知道它。神经网络可以对任何复杂度的函数进行近似。关键是，市场正在发生变化! 因此，原则上不可能跟着老师学习。 市场没有变化，这只是你无法应对的借口...。 特别是如果市场变化跟踪这些变化并将其考虑在内。 Andrey Dik 2009.08.04 11:14 #55 StatBars >> : 市场没有变化，这只是你无法应对的借口...... 特别是如果市场正在发生变化，要跟踪这些变化并将其纳入考虑。 你在哪里读到我不能胜任这项工作？我只是不使用老师的训练。但这并不意味着我不使用NN!我不需要跟踪市场的变化，NN就能做到这一点。 LeoV，请解释一下，我已经没有耐心了。 Artem Titarenko 2009.08.04 11:58 #56 joo писал(а)>> 你从哪里读到我无法应对的信息？我只是不使用有老师的教学。但这并不意味着我不使用NN!我不需要跟踪市场的变化，NN就能做到这一点。 LeoV，请解释一下，我已经没有耐心了。 我已经在喋喋不休了...... 给人的印象是，你用NS做一些事情，只是因为你想这样做，而不是因为有任何真正的原因，被一些实验或其他东西证实。 Леонид 2009.08.04 12:16 #57 StatBars писал(а)>> 例如，一个专家顾问在2个月的历史上进行了优化，只有3个参数，80%的积极结果在所有历史上都是有利可图的。 网络的情况也是如此... 在没有过度优化（过度训练）的情况下，这是六个月的稳定结果吗？你不需要80%的正面交易来赚取利润。你可以用更小的数字做..... StatBars 写道>> 一般来说，你说的是结果的稳定性，而不是误差。 如果网络能稳定地检测到某些东西或做出预测，而且这个预测足够好，可以获利，那么你在远期和真实账户上都会获利。 如果误差小得令人满意，那么它就会导致。令人满意是什么意思？对于每个问题，这个条件是单独设置的，我只知道经验性的方法。 没有任何研究、科学论文或任何其他确认表明，当你获得最小误差时，就能保证最大利润。这些都是自己编造的论断，并将其作为一种公理。但这一论断可能是错误的.....。 StatBars 写道(a)>> 市场是相同的公式，只是更加复杂，而且它不为我们所知。 不幸的是，这不是一个公式。市场是比公式更复杂的东西--我会说它是某种 "活的机制"，随着时间的推移不断发生某种变化。如果它是一个公式，它早就被发现了......。 joo 写道(a)>> 因此，原则上不可能有老师的学习。 我不会说不可能，但根本不可能理解或计算什么会作为一个网络的理想教师。神经网络的理想教师的概念本身并不明确。绝对不能确定它将是一个完美描述市场的函数。也许事实恰恰相反，网络使用理想的老师训练得更差，因为不可能完美地学习市场，神经网络也做不到这一点（虽然我不知道，它有自己的细微差别）。顺便说一下，在训练NS时，交易用神经网络程序中的老师也要进行优化，因为我们不可能了解NS需要什么样的老师来带来利润。最好是完全不做--一个变量会少一些，尤其是不清楚好坏....))))。 StatBars 写道(a)>> 市场不会改变，这只是你的借口，你不能处理这个任务的借口...... 嗯，这个说法很难回答。如果市场没有变化--那么写一个市场公式就可以了.....))))。 StatBars 写道(a)>> 特别是如果市场变化跟踪这些变化并将其考虑在内。 市场没有按照任何已知的模式变化。找到并核算所有这些人是不可能的..... joo 写道(a)>> LeoV，请解释一下，我已经没有耐心了。 嗯，实际上我也有点累了。如果有人有想法和愿望，想把所有的人都带到 "单一分母"、单一公式中去--那就让他们去写、去教、去实验--我们都会很乐意听.....))))。 Леонид 2009.08.04 12:45 #58 LeoV писал(а)>> 因为不可能完美地学习市场，神经元网也做不到（虽然我不知道--它有自己的细微差别）。 在此必须说--我有点错了，或被误解了。一个有几个神经元的NS可以完美地学习几乎任何曲线。但诀窍是，进一步在现实世界中，所有它完美学到的东西也不会完美重复。因此，一个神经元网对历史的学习越好或越完美--它在未来的工作就越糟糕。它是拟合的一种变体。而神经元网，由于其非线性，非常容易符合这个故事。在这个......，神经网络有一个很大的缺点。 Artem Titarenko 2009.08.04 13:17 #59 LeoV писал(а)>> 6个月没有过度优化（过度训练）的结果是否稳定？而且你不需要80%的正向交易来赚取利润。你可以用一个小得多的数字..... /*I*/: 9年，而不是半年!不是80%的积极交易，而是80%的优化结果! //---------------------------------------------------------------- 没有任何研究、科学论文或任何形式的证明说，当你得到最小的错误时，就能保证最大的利润。这些都是你自己编造的论断，并将其作为一个公理。但这一论断可能是错误的.....。 /*I*/: 不，所以做他们（研究...）。我说泛化误差和利润之间有一个非常明确的关系，这种关系需要为每项任务建立，以至少知道在训练网络时的目标是什么！！。 //---------------------------------------------------------------- 不幸的是，这不是一个公式。市场是比公式更复杂的东西--我会说它是某种 "活的机制"，随着时间的推移不断发生某种变化。如果它是一个公式，它早就被发现了......。 /*I*/: 它很早就会被发现，很早就会被制造出来......那就奇怪了，为什么电脑在1500年前没有被发明，为什么任何东西都还在被发明，被完善？这在原则上并不重要。即使你作为一个活生生的智能人（"活的机制"）也可以被预测，有一定的误差，认为所有的发现或类似的东西都已经被发现了，我认为是愚蠢的。 我们对市场的变化或不变化有不同的概念...我想，对你来说，如果专家顾问，网格.........我不认为市场发生了变化，但对我来说，这意味着模型、专家顾问和网格没有被正确建立。 简而言之，我只是想帮助不要分散在不必要的任务和发明的市场属性上...但可能，他妈的... Mykola Demko 2009.08.04 13:34 #60 LeoV >> : 对有关误差的问题：为什么需要以方向预测的形式进行调解？ 可能只是在净值方向猜对了但却是局部的情况下，但比如说全局的就错了。 所以这里是利润中的减法。 如果你想用利润训练网，你是做不到的，要么是利润，要么是没有。 就这样，网络仿佛猜到了，也仿佛没有利润（我讨厌 "仿佛 "这个短语的转折，他用一只手给予，另一只手拿走）。 1234567891011121314 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
如果我们知道正弦波，因此可以用网络预测它，然后创建一个更复杂的公式，分析符号将被你知道，所以我们也可以预测它。市场是同样的公式，只是更复杂，而且不知道是谁给了我们...
并不是说市场有一个非常复杂的公式，也不是说我们不知道它。神经网络可以对任何复杂度的函数进行近似。关键是，市场正在发生变化!
因此，原则上不可能和老师一起学习。
没有人批评这些网，也没有人打算这样做。这是关于别的东西。
并不是说市场有一个非常复杂的公式，也不是说我们不知道它。神经网络可以对任何复杂度的函数进行近似。关键是，市场正在发生变化!
因此，原则上不可能跟着老师学习。
市场没有变化，这只是你无法应对的借口...。
特别是如果市场变化跟踪这些变化并将其考虑在内。
市场没有变化，这只是你无法应对的借口......
特别是如果市场正在发生变化，要跟踪这些变化并将其纳入考虑。
你在哪里读到我不能胜任这项工作？我只是不使用老师的训练。但这并不意味着我不使用NN!我不需要跟踪市场的变化，NN就能做到这一点。
LeoV，请解释一下，我已经没有耐心了。
你从哪里读到我无法应对的信息？我只是不使用有老师的教学。但这并不意味着我不使用NN!我不需要跟踪市场的变化，NN就能做到这一点。
LeoV，请解释一下，我已经没有耐心了。
我已经在喋喋不休了......
给人的印象是，你用NS做一些事情，只是因为你想这样做，而不是因为有任何真正的原因，被一些实验或其他东西证实。
例如，一个专家顾问在2个月的历史上进行了优化，只有3个参数，80%的积极结果在所有历史上都是有利可图的。
网络的情况也是如此...
在没有过度优化（过度训练）的情况下，这是六个月的稳定结果吗？你不需要80%的正面交易来赚取利润。你可以用更小的数字做.....
一般来说，你说的是结果的稳定性，而不是误差。 如果网络能稳定地检测到某些东西或做出预测，而且这个预测足够好，可以获利，那么你在远期和真实账户上都会获利。
如果误差小得令人满意，那么它就会导致。令人满意是什么意思？对于每个问题，这个条件是单独设置的，我只知道经验性的方法。
没有任何研究、科学论文或任何其他确认表明，当你获得最小误差时，就能保证最大利润。这些都是自己编造的论断，并将其作为一种公理。但这一论断可能是错误的.....。
不幸的是，这不是一个公式。市场是比公式更复杂的东西--我会说它是某种 "活的机制"，随着时间的推移不断发生某种变化。如果它是一个公式，它早就被发现了......。
我不会说不可能，但根本不可能理解或计算什么会作为一个网络的理想教师。神经网络的理想教师的概念本身并不明确。绝对不能确定它将是一个完美描述市场的函数。也许事实恰恰相反，网络使用理想的老师训练得更差，因为不可能完美地学习市场，神经网络也做不到这一点（虽然我不知道，它有自己的细微差别）。顺便说一下，在训练NS时，交易用神经网络程序中的老师也要进行优化，因为我们不可能了解NS需要什么样的老师来带来利润。最好是完全不做--一个变量会少一些，尤其是不清楚好坏....))))。
嗯，这个说法很难回答。如果市场没有变化--那么写一个市场公式就可以了.....))))。
市场没有按照任何已知的模式变化。找到并核算所有这些人是不可能的.....
嗯，实际上我也有点累了。如果有人有想法和愿望，想把所有的人都带到 "单一分母"、单一公式中去--那就让他们去写、去教、去实验--我们都会很乐意听.....))))。
在此必须说--我有点错了，或被误解了。一个有几个神经元的NS可以完美地学习几乎任何曲线。但诀窍是，进一步在现实世界中，所有它完美学到的东西也不会完美重复。因此，一个神经元网对历史的学习越好或越完美--它在未来的工作就越糟糕。它是拟合的一种变体。而神经元网，由于其非线性，非常容易符合这个故事。在这个......，神经网络有一个很大的缺点。
6个月没有过度优化（过度训练）的结果是否稳定？而且你不需要80%的正向交易来赚取利润。你可以用一个小得多的数字.....
/*I*/: 9年，而不是半年!不是80%的积极交易，而是80%的优化结果!
//----------------------------------------------------------------
没有任何研究、科学论文或任何形式的证明说，当你得到最小的错误时，就能保证最大的利润。这些都是你自己编造的论断，并将其作为一个公理。但这一论断可能是错误的.....。
/*I*/: 不，所以做他们（研究...）。我说泛化误差和利润之间有一个非常明确的关系，这种关系需要为每项任务建立，以至少知道在训练网络时的目标是什么！！。
//----------------------------------------------------------------
不幸的是，这不是一个公式。市场是比公式更复杂的东西--我会说它是某种 "活的机制"，随着时间的推移不断发生某种变化。如果它是一个公式，它早就被发现了......。
/*I*/: 它很早就会被发现，很早就会被制造出来......那就奇怪了，为什么电脑在1500年前没有被发明，为什么任何东西都还在被发明，被完善？这在原则上并不重要。即使你作为一个活生生的智能人（"活的机制"）也可以被预测，有一定的误差，认为所有的发现或类似的东西都已经被发现了，我认为是愚蠢的。
我们对市场的变化或不变化有不同的概念...我想，对你来说，如果专家顾问，网格.........我不认为市场发生了变化，但对我来说，这意味着模型、专家顾问和网格没有被正确建立。
简而言之，我只是想帮助不要分散在不必要的任务和发明的市场属性上...但可能，他妈的...
对有关误差的问题：为什么需要以方向预测的形式进行调解？
可能只是在净值方向猜对了但却是局部的情况下，但比如说全局的就错了。
所以这里是利润中的减法。 如果你想用利润训练网，你是做不到的，要么是利润，要么是没有。
就这样，网络仿佛猜到了，也仿佛没有利润（我讨厌 "仿佛 "这个短语的转折，他用一只手给予，另一只手拿走）。