神经网络 - 页 9 1234567891011121314 新评论 Леонид 2009.08.06 20:09 #81 Vanek_MIL писал(а)>> 而如果比较（当然是在上面给出的条件下）原始信号和导数，是否选择导数？ 这一切都取决于原始信号是什么，它的衍生物是什么，以及我们想得到什么结果。但当然，变换越少越好，因为每次变换都会给原始信号带来额外的失真，这当然会对最终结果产生负面影响。 Vanek_MIL 写道(a)>> 而如果通过设置相对于零的偏移量，将情况扩展到跨越某个阈值，那么 "阈值 "信号是否应该以这种方式被放大？ 你说的 "放大阈值信号 "是什么意思？ [删除] 2009.08.06 22:59 #82 LeoV писал(а) >> 你说的 "放大阈值信号 "是什么意思？ 我指的是当原始信号越过某个阈值时达到峰值的派生信号--即上述例子的一个概括。 LeoV >>:这一切都取决于初始信号是什么，它的导数是什么，以及我们想得到什么结果。因此，这一切都归结为手头的任务。 请允许我带来我的思维方式--如何以及为什么要使用网。 当使用产生现成信号的指标训练网络时，我希望网络能找到信号发生前的一些输入组合（模式），并在模式重复时预测信号。 它怎么会 "知道 "它是在它之前的那个？好吧，可能是因为在基于这些信号的策略中，它能带来更多利润。当然，这里并不明确--只是一种猜测。 该模式必须（可能）包括静态部分（价值）和动态部分（时刻等）以完成画面。 我们已经和老师讨论过上述学习。该指标将是老师，它能提供良好的信号（优化后--甚至更好）。 但是，为什么不使用一个 "理想的 "教师，在相同的之字形基础上发出信号。虽然这里的问题是--能不能允许教师展望未来而不允许网络展望它？ 有可能在没有老师的情况下使用训练，依靠网络会找到一种状态，在这种状态下，它发出的信号会使利润最大化。但这里很难预测什么--只是选择(???)网络的类型、配置和输入的集合？ 在选择输入的工作中，选择/构建的指标或多或少可靠地揭示了一些要点（例如，接近盘整水平，或货币对之间较低的相关性），这些指标本身并不足以形成信号。网络是否能够处理这一整套数据并得出结论？换句话说，这些信号必须具备什么品质才能使网络有效地工作？ 向聚集在一起的人表示敬意。 [删除] 2009.08.06 23:14 #83 njel >> : TC的理念必须存在。 为了使画面更完整：这个想法是利用网络来接收进场信号（或其确认），然后伴随交易并 "独立 "退出--通过止损或接收反向信号。 [删除] 2009.08.06 23:24 #84 谈论有老师和无老师的学习问题 一个问题出现了--对用户Neuroshell（也许在其他程序中是类似的--我不知道而已）--关于附加神经指标。 我将提出一些建议（如果错了--纠正）。 如果我们采取通常的基于涡轮螺旋桨的神经网络（无论是Predict还是ATR2），或者概率性的神经网络--训练是由教师完成的。作为一名教师，我们采取一些指标--或标准的神经输出，如最优%变化，或价格变化，或白/卖旗，或基于相同的之字形的东西（如果这是你的意思）等等。因此，有一个假设是，教师的信号应该以某种方式与输入数据协调。否则可能会出现这样的情况，如输入逐渐增加，然后减少，但输出保持不变。或者投入是恒定的--产出在开始时迅速增加，然后减少。有许多变体，当有大量的输入时，一切都会变得更糟。而这样的事情很可能导致网络停滞不前--因为同样的投入导致不同的产出，或者反之亦然。 因此，这里的结论可能是，挑选正确的老师是非常困难的，如果我们犯了一个错误，即使有好的投入，我们也有可能毁掉这个网络。 可能的解决方案是使用神经指标插件中的网络--它们是在没有老师的情况下训练的，并根据目标策略功能进行调整。 问题--与其他神经网络相比，这个插件是否有明显的优势？ OO 2009.08.07 05:06 #85 我不明白，当我们可以用神经网络通过输入一系列以前的高点闭点低点的数值来预测可能的运动方向时，我们为什么要采取衍生品报价呢？ 像400条深；) ?在H1时间段和更短的时间段，有必要考虑到OPEN价格。这使得400 X 4 = 1600个HCLO输入值的M1：提前60个小节就足以预测方向了）。剩下的就是要找到一个合适的分析程序和一台超级计算机。 [删除] 2009.08.07 05:57 #86 Piboli писал(а)>> 我不明白，当我们可以用神经网络通过输入一系列以前的高点闭点低点的数值来预测可能的运动方向时，我们为什么要采取衍生品报价呢？ 像400条深；)?在H1时间段和更短的时间段，有必要考虑到OPEN价格。这使得400 X 4 = 1600个HCLO输入值的M1：提前60个小节就足以预测方向了）。唯一剩下的就是找到一个合适的分析程序和一台超级计算机。 最重要的是要找到合适的分析程序))))。 >> 当然，请原谅，但你对这种方法有好的经验吗？ OO 2009.08.07 07:09 #87 GrooovE >> : 最重要的是找到正确的分析程序 ))) 当然，请原谅，但什么--这种做法有积极的经验吗？ 在H4上的4-5个小节，perc为900，可靠地是2-3个星期，没有重新训练...... 我找不到一个正常的程序，除了外汇，我还得学习www.wasm.ru;) 我必须研究外汇，但我不知道如何去做。 Леонид 2009.08.07 10:13 #88 Vanek_MIL писал(а)>> 说实话--我不明白...)关于完美教师的问题--根本不确定完美的教师是需要......。 GrooovE 写道(a)>> 问题--这个插件与其他神经壳网相比有明显的优势吗？ 一个优势--没有老师..... 皮博利 写道>> 我不明白，为什么要用报价的导数，而你可以用神经元网来预测可能的运动方向，只要输入一系列的前值HIGH CLOSE LOW即可。 像400条深；)?在H1时间段和更短的时间段，有必要考虑到OPEN价格。这使得400 X 4 = 1600个HCLO输入值的M1：提前60个小节就足以预测方向了）。剩下的就是要找到一个合适的分析程序和一台超级计算机。 问题是，当价格超出历史上400条的范围时，神经网络将不知道该怎么做，并将在这个范围的方向上给出信号，而不管价格在其之外如何移动......。 [删除] 2009.08.08 01:07 #89 LeoV >> : 老实说 - 我不明白... 正如他们所说，一个适当的问题包含了大部分的答案。因此，即使从这样的答案中也可以得出某些结论......) 请原谅我的恼怒，让我再介绍一个推理问题。 能否用神经网络来确定当前的市场阶段？ 让我澄清一下什么意思。 在这种情况下，我们所说的市场阶段是指存在趋势或没有趋势（可能是平坦的）。 好吧，让我们把老师放在一边。让我们在没有训练的情况下取网。 因此，输入必须以这样的方式来选择，即集群（原谅我的无能），至多有两个应该出现在输入参数空间。 一个是趋势，另一个是平坦...(或者，也许只有一个集群是一个趋势，而其他都不是趋势？)。 如果是这样的话。 如何，输出信号以何种形式显示属于某个特定群组？ 在输入选择阶段就将这些群组可视化地进行导航，这是否现实？ 在设计这样一个网络时，是否有可能有条不紊地控制这个过程，还是必须依靠机会--它是否会成功（当然，这是一个天真的问题））？ 恭敬地说。 //去学数学了 [删除] 2009.08.08 20:02 #90 关于Backprop的问题，我想补充的是，使用算法的标准误差是错误的。 1234567891011121314 新评论 原因: 取消 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
这一切都取决于原始信号是什么，它的衍生物是什么，以及我们想得到什么结果。但当然，变换越少越好，因为每次变换都会给原始信号带来额外的失真，这当然会对最终结果产生负面影响。
LeoV писал(а) >>
你说的 "放大阈值信号 "是什么意思？
我指的是当原始信号越过某个阈值时达到峰值的派生信号--即上述例子的一个概括。
这一切都取决于初始信号是什么，它的导数是什么，以及我们想得到什么结果
。因此，这一切都归结为手头的任务。
请允许我带来我的思维方式--如何以及为什么要使用网。
向聚集在一起的人表示敬意。
TC的理念必须存在。
为了使画面更完整：这个想法是利用网络来接收进场信号（或其确认），然后伴随交易并 "独立 "退出--通过止损或接收反向信号。
谈论有老师和无老师的学习问题
一个问题出现了--对用户Neuroshell（也许在其他程序中是类似的--我不知道而已）--关于附加神经指标。
我将提出一些建议（如果错了--纠正）。
如果我们采取通常的基于涡轮螺旋桨的神经网络（无论是Predict还是ATR2），或者概率性的神经网络--训练是由教师完成的。作为一名教师，我们采取一些指标--或标准的神经输出，如最优%变化，或价格变化，或白/卖旗，或基于相同的之字形的东西（如果这是你的意思）等等。因此，有一个假设是，教师的信号应该以某种方式与输入数据协调。否则可能会出现这样的情况，如输入逐渐增加，然后减少，但输出保持不变。或者投入是恒定的--产出在开始时迅速增加，然后减少。有许多变体，当有大量的输入时，一切都会变得更糟。而这样的事情很可能导致网络停滞不前--因为同样的投入导致不同的产出，或者反之亦然。
因此，这里的结论可能是，挑选正确的老师是非常困难的，如果我们犯了一个错误，即使有好的投入，我们也有可能毁掉这个网络。
可能的解决方案是使用神经指标插件中的网络--它们是在没有老师的情况下训练的，并根据目标策略功能进行调整。
问题--与其他神经网络相比，这个插件是否有明显的优势？
我不明白，当我们可以用神经网络通过输入一系列以前的高点闭点低点的数值来预测可能的运动方向时，我们为什么要采取衍生品报价呢？
像400条深；) ?在H1时间段和更短的时间段，有必要考虑到OPEN价格。这使得400 X 4 = 1600个HCLO输入值的M1：提前60个小节就足以预测方向了）。剩下的就是要找到一个合适的分析程序和一台超级计算机。
我不明白，当我们可以用神经网络通过输入一系列以前的高点闭点低点的数值来预测可能的运动方向时，我们为什么要采取衍生品报价呢？
像400条深；)?在H1时间段和更短的时间段，有必要考虑到OPEN价格。这使得400 X 4 = 1600个HCLO输入值的M1：提前60个小节就足以预测方向了）。唯一剩下的就是找到一个合适的分析程序和一台超级计算机。
最重要的是要找到合适的分析程序))))。
>> 当然，请原谅，但你对这种方法有好的经验吗？
最重要的是找到正确的分析程序 )))
当然，请原谅，但什么--这种做法有积极的经验吗？
在H4上的4-5个小节，perc为900，可靠地是2-3个星期，没有重新训练......
我找不到一个正常的程序，除了外汇，我还得学习www.wasm.ru;)
我必须研究外汇，但我不知道如何去做。
说实话--我不明白...)关于完美教师的问题--根本不确定完美的教师是需要......。
一个优势--没有老师.....
我不明白，为什么要用报价的导数，而你可以用神经元网来预测可能的运动方向，只要输入一系列的前值HIGH CLOSE LOW即可。
像400条深；)?在H1时间段和更短的时间段，有必要考虑到OPEN价格。这使得400 X 4 = 1600个HCLO输入值的M1：提前60个小节就足以预测方向了）。剩下的就是要找到一个合适的分析程序和一台超级计算机。
问题是，当价格超出历史上400条的范围时，神经网络将不知道该怎么做，并将在这个范围的方向上给出信号，而不管价格在其之外如何移动......。
老实说 - 我不明白...
正如他们所说，一个适当的问题包含了大部分的答案。因此，即使从这样的答案中也可以得出某些结论......)
请原谅我的恼怒，让我再介绍一个推理问题。
能否用神经网络来确定当前的市场阶段？
让我澄清一下什么意思。
在这种情况下，我们所说的市场阶段是指存在趋势或没有趋势（可能是平坦的）。
好吧，让我们把老师放在一边。让我们在没有训练的情况下取网。
因此，输入必须以这样的方式来选择，即集群（原谅我的无能），至多有两个应该出现在输入参数空间。
一个是趋势，另一个是平坦...(或者，也许只有一个集群是一个趋势，而其他都不是趋势？)。
如果是这样的话。
如何，输出信号以何种形式显示属于某个特定群组？
在输入选择阶段就将这些群组可视化地进行导航，这是否现实？
在设计这样一个网络时，是否有可能有条不紊地控制这个过程，还是必须依靠机会--它是否会成功（当然，这是一个天真的问题））？
恭敬地说。
//去学数学了
关于Backprop的问题，我想补充的是，使用算法的标准误差是错误的。