金融系列的神经预测（基于一篇文章）。 - 页 6 123456789101112 新评论 Andrey Dik 2011.12.01 02:45 #51 nikelodeon: 事实上，这是过度训练。我很惊讶你竟然不知道这一点。传统的观点是，当一个网络开始按照昨天的方式工作时，它就是过度训练。也就是说，它没有突出输入的关键点，而是开始产生与昨天相同的信号.....。胡说八道，或者说这种胡说八道的另一种说法是什么？ 如果网络被告知2*2=4，如果有人问她 "2*2=？"她应该怎么回答？ 2*2=4是昨天，也将是明天。如果网络对同样的问题给出不同的答案，那至少是很奇怪的。 Andrey Dik 2011.12.01 03:20 #52 总的来说，在我看来，这个论坛上许多曾经用网络实践过的人认为，神经网络 就像一个计算器，你输入数据，网络就会产生一个结果。这是正确的--网络是计算器。 但对网络及其架构的透彻了解并没有也不可能提供对其属性的洞察力。这是对ANN如何工作的一种 "狭义 "理解。 因此，一个出色的神经外科医生不可能知道人脑的能力。只有心理学家和心理治疗师（不要与精神病学家混淆）与哲学家，也许还有社会学家才能了解它。这些不是网络的 "生理学 "问题，而是智力问题--这是对ANN（和人脑）完全不同层次的理解。 只有采用这样的方法，才有可能从ANN中取得一些成果。愚蠢地给网络提供报价，以前从未得到任何好处，将来也不会得到任何好处。但是作者，在我的 "对角线 "意见中（我没有时间做第二个详细的意见），是从正确的角度，从智力的角度来看待使用ANN的预测 - 使用指标，一些来自报价的 "衍生品"。 但是，纯粹从直觉上讲，我怀疑是否有可能预测到98%。80%可能是的，但不是98%。也许作者把研究结果拖了一下--我很愿意承认这一点。但要验证这些结果，你需要做与作者相同的实验--只有这样你才能说这是一件 "肯定的事"。 Mihail Marchukajtes 2011.12.01 06:52 #53 整数。 我也非常惊讶，你怎么可以在没有理由的情况下发表意见。 我已经在这里的某个地方给出了我对 "过度训练 "一词的看法。这个词完全没有反映出这个现象的本质。哪个英文单词是这样翻译的？相反，"背诵"（来自 "填鸭式"）或 "学习 "这个词更合适。 这种现象类似于补习生或脑袋空白的补习生，他们什么都不懂，只是一字一句地背诵这段话。这种现象发生在用少量样本进行体积网络教学时。该网络对训练样本的反应是正确的，但它没有任何用处，因为它可以容纳更多数量的样本训练，也就是说，它只是一个空头。它给出的结果是什么就是什么，而不是昨天的结果。因此，你昨天的这种情况对我来说并不清楚，某种奇迹，某种神奇的过度训练。 这就像编程公式，他们每次都会说到内存泄漏。所以它在谈论网络的时候--过度训练、过度教育，但没有多少人理解它是什么。 你的名字。只是在一些教科书中，我看到网络发出的信号 "就像昨天一样 "的现象，这并不意味着它一直发出同样的信号。不，但信号的本质和意义并没有改变。一般来说，寻找网络的训练参数是最困难的任务，这可以通过长期的统计研究来解决。 假设一个网络给出了100个设置其参数的选项。而其中只有少数是正确的。其余的将在未来泄露出去。让我们以捣碎机上的网络为例。它对任何领域的再培训都非常好。我想自己试试这个理论，但这不是我的命运。所以，也许有人会需要它。 我们有两个部分的培训 1.我们在第二部分中训练网络。获得利润（培训的任何部分的净值将获得利润）。 2.看着网是如何在第1节工作的。 让我们在补丁1上训练网络，以便得到相同的结果，就像我们在补丁2上训练时一样。 也就是说，训练的目标功能将不是最大的平衡，而是相当不同的功能。因此，在统计数据的帮助下，我们可以计算出什么是最好的。 我只是在NS赛场上赛过网，在那里，训练用的目标选择不知为何很稀少。 因此，在收集统计数据后，我们可以得出结论，培训最大限度的巴兰人的目的并不总是好的。但这里有另一个问题，如何找到非常的目标，以便国家安全局在未来能很好地工作。正如他们所说，只有一个选择。 我们启动一个网络，监测它的交易，并作出结论，无论这个网络现在是否有效...像这样..... 结果，训练中的网的盈利设置是这样的换句话说，你应该为这种平衡训练网，它将在未来发挥作用。但有一个致命的弱点，我们如何知道平衡应该是什么....。而且你不能像这样在NS中训练TC。目标训练功能有一个困难。如果只在另一个程序中尝试.... Mihail Marchukajtes 2011.12.01 07:27 #54 或者像这样，在这两种情况下，优化区的baoan曲线是极其不同的，当然也不是在加号。然而，这并没有阻止该网络在未来的发展。底线加.... 在我看来，如果我收集网络各部分的统计数据，我可以得到我们需要的余额的一般相似性，以建立某种模式。因此，我们不应该为了某一部分的最大利润而训练网络，而是要找到未来能发挥作用的隐藏信号。但目前没有。因此，诀窍是这样的。迫使网络找到现在不起作用，但在未来可能对网络产生有益影响的参数.....。有大量的统计数据需要收集，而且这些数据远非小事一桩......。 Mihail Marchukajtes 2011.12.01 07:38 #55 在任何情况下，通过解决这个问题（优化结果 的选择）至少60%，你可以得到一个交易的工具，甚至不是一个糟糕的工具。 我不知道其他软件包的情况，但在NS中进行优化时，我们会得到几个结果，首先是优化区域的负平衡。如果有可能在NS中获得所有的优化结果就好了。然后从中选择，纯粹从视觉上进行平衡。然后你就可以过滤掉无用的结果，以获取运气。将网络投入运行，并观察其中的哪一个会开始抽水。开始漏水的那个被关闭了......或任何.....令人遗憾的是，NS没有这个选项。在优化过程中，至少要将指标参数保存到文件中.... 同样，这并不意味着在第一幅图的优化中，你会得到你在第二幅图的优化中得到的数值。所以这里有很多未解决的问题...... Vizard 2011.12.01 07:56 #56 nikelodeon: 我的意思是，诀窍就在这里。让网络找到现在不起作用，但在未来可能对网络产生有益影响 的参数.....。有很多统计数据需要收集，而且远非小事一桩......。 这就是她在训练后会记得它们不起作用的原因......在英国，NHS不是一个网络，而是一个平台。 Mihail Marchukajtes 2011.12.01 08:17 #57 Vizard: 这样她就会在训练后记得这些东西不起作用......在NHS中，不是网络，而是GA... 我同意....似乎有很大的自由度，但你需要的东西却不能被调整.... Vizard 2011.12.01 08:54 #58 joo: 但是文章的作者，在我的第一个 "对角线 "观点中（我还没有时间做第二个详细的观点），从正确的角度看用ANN进行预测，在情报方面--使用指标，一些报价的 "衍生品"。 但是，纯粹从直觉上讲，我怀疑是否有可能预测到98%。80%可能是的，但不是98%。也许作者把研究结果拖了一下--我很愿意承认这一点。但要验证这些结果，你需要做与作者相同的实验--只有这样你才能说些 "百分之百 "的话。 这是个幻觉...Integer说得很对--情节留给预测...... 在现实中，一切都由一个原始的例子来验证......。你可以使用任何方法 - 从第二或第三篇文章)))) 如果我们在第一条黄色垂直线上取样，我们得到90-95%的相同结果......移动到下一条......应用同样的算法......我们得到的结果更少......。最后一节（增长），网络永远不会预测... 所有这些都是为了预测1个VP的几个步骤（从相同的条目），当然...如果你突出低谷峰值（周期性），原则上还是可以捕捉到增长... Vizard 2011.12.01 09:00 #59 nikelodeon: Agreed....似乎有很大的自由度，但需要的东西却不能被推敲.... 黑匣子这个NSH... Alexey Burnakov 2011.12.01 09:27 #60 Vizard: 只是，有一些周期性（动态）......因此，如果这种动态进入模型（NS、回归或其他......基本上没有什么区别），然后持续一段时间......那么好......如果它改变了，那么它就失败了。动态变化的原因 2...市场和DT过滤器... 是的，我同意你的看法。 这是对表现的第二个解释：特意选择了一个时期进行测试，在这个时期，网络在局部成功地表现出了惊人的结果。顺便说一下，奇怪的是，测试期的长度是150分，而不是200分，或者说是451分。原来是潜移默化的配合。 123456789101112 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
事实上，这是过度训练。我很惊讶你竟然不知道这一点。传统的观点是，当一个网络开始按照昨天的方式工作时，它就是过度训练。也就是说，它没有突出输入的关键点，而是开始产生与昨天相同的信号.....。
胡说八道，或者说这种胡说八道的另一种说法是什么？
如果网络被告知2*2=4，如果有人问她 "2*2=？"她应该怎么回答？
2*2=4是昨天，也将是明天。如果网络对同样的问题给出不同的答案，那至少是很奇怪的。
总的来说，在我看来，这个论坛上许多曾经用网络实践过的人认为，神经网络 就像一个计算器，你输入数据，网络就会产生一个结果。这是正确的--网络是计算器。
但对网络及其架构的透彻了解并没有也不可能提供对其属性的洞察力。这是对ANN如何工作的一种 "狭义 "理解。
因此，一个出色的神经外科医生不可能知道人脑的能力。只有心理学家和心理治疗师（不要与精神病学家混淆）与哲学家，也许还有社会学家才能了解它。这些不是网络的 "生理学 "问题，而是智力问题--这是对ANN（和人脑）完全不同层次的理解。
只有采用这样的方法，才有可能从ANN中取得一些成果。愚蠢地给网络提供报价，以前从未得到任何好处，将来也不会得到任何好处。但是作者，在我的 "对角线 "意见中（我没有时间做第二个详细的意见），是从正确的角度，从智力的角度来看待使用ANN的预测 - 使用指标，一些来自报价的 "衍生品"。
但是，纯粹从直觉上讲，我怀疑是否有可能预测到98%。80%可能是的，但不是98%。也许作者把研究结果拖了一下--我很愿意承认这一点。但要验证这些结果，你需要做与作者相同的实验--只有这样你才能说这是一件 "肯定的事"。
整数。
我也非常惊讶，你怎么可以在没有理由的情况下发表意见。
我已经在这里的某个地方给出了我对 "过度训练 "一词的看法。这个词完全没有反映出这个现象的本质。哪个英文单词是这样翻译的？相反，"背诵"（来自 "填鸭式"）或 "学习 "这个词更合适。 这种现象类似于补习生或脑袋空白的补习生，他们什么都不懂，只是一字一句地背诵这段话。这种现象发生在用少量样本进行体积网络教学时。该网络对训练样本的反应是正确的，但它没有任何用处，因为它可以容纳更多数量的样本训练，也就是说，它只是一个空头。它给出的结果是什么就是什么，而不是昨天的结果。因此，你昨天的这种情况对我来说并不清楚，某种奇迹，某种神奇的过度训练。
这就像编程公式，他们每次都会说到内存泄漏。所以它在谈论网络的时候--过度训练、过度教育，但没有多少人理解它是什么。
你的名字。只是在一些教科书中，我看到网络发出的信号 "就像昨天一样 "的现象，这并不意味着它一直发出同样的信号。不，但信号的本质和意义并没有改变。一般来说，寻找网络的训练参数是最困难的任务，这可以通过长期的统计研究来解决。
假设一个网络给出了100个设置其参数的选项。而其中只有少数是正确的。其余的将在未来泄露出去。让我们以捣碎机上的网络为例。它对任何领域的再培训都非常好。我想自己试试这个理论，但这不是我的命运。所以，也许有人会需要它。
我们有两个部分的培训
1.我们在第二部分中训练网络。获得利润（培训的任何部分的净值将获得利润）。
2.看着网是如何在第1节工作的。
让我们在补丁1上训练网络，以便得到相同的结果，就像我们在补丁2上训练时一样。
也就是说，训练的目标功能将不是最大的平衡，而是相当不同的功能。因此，在统计数据的帮助下，我们可以计算出什么是最好的。
我只是在NS赛场上赛过网，在那里，训练用的目标选择不知为何很稀少。
因此，在收集统计数据后，我们可以得出结论，培训最大限度的巴兰人的目的并不总是好的。但这里有另一个问题，如何找到非常的目标，以便国家安全局在未来能很好地工作。正如他们所说，只有一个选择。
我们启动一个网络，监测它的交易，并作出结论，无论这个网络现在是否有效...像这样.....
结果，训练中的网的盈利设置是这样的换句话说，你应该为这种平衡训练网，它将在未来发挥作用。但有一个致命的弱点，我们如何知道平衡应该是什么....。而且你不能像这样在NS中训练TC。目标训练功能有一个困难。如果只在另一个程序中尝试....
或者像这样，在这两种情况下，优化区的baoan曲线是极其不同的，当然也不是在加号。然而，这并没有阻止该网络在未来的发展。底线加....
在我看来，如果我收集网络各部分的统计数据，我可以得到我们需要的余额的一般相似性，以建立某种模式。因此，我们不应该为了某一部分的最大利润而训练网络，而是要找到未来能发挥作用的隐藏信号。但目前没有。因此，诀窍是这样的。迫使网络找到现在不起作用，但在未来可能对网络产生有益影响的参数.....。有大量的统计数据需要收集，而且这些数据远非小事一桩......。
在任何情况下，通过解决这个问题（优化结果 的选择）至少60%，你可以得到一个交易的工具，甚至不是一个糟糕的工具。
我不知道其他软件包的情况，但在NS中进行优化时，我们会得到几个结果，首先是优化区域的负平衡。如果有可能在NS中获得所有的优化结果就好了。然后从中选择，纯粹从视觉上进行平衡。然后你就可以过滤掉无用的结果，以获取运气。将网络投入运行，并观察其中的哪一个会开始抽水。开始漏水的那个被关闭了......或任何.....令人遗憾的是，NS没有这个选项。在优化过程中，至少要将指标参数保存到文件中....
同样，这并不意味着在第一幅图的优化中，你会得到你在第二幅图的优化中得到的数值。所以这里有很多未解决的问题......
我的意思是，诀窍就在这里。让网络找到现在不起作用，但在未来可能对网络产生有益影响 的参数.....。有很多统计数据需要收集，而且远非小事一桩......。
这就是她在训练后会记得它们不起作用的原因......在英国，NHS不是一个网络，而是一个平台。
这样她就会在训练后记得这些东西不起作用......在NHS中，不是网络，而是GA...
我同意....似乎有很大的自由度，但你需要的东西却不能被调整....
但是文章的作者，在我的第一个 "对角线 "观点中（我还没有时间做第二个详细的观点），从正确的角度看用ANN进行预测，在情报方面--使用指标，一些报价的 "衍生品"。
但是，纯粹从直觉上讲，我怀疑是否有可能预测到98%。80%可能是的，但不是98%。也许作者把研究结果拖了一下--我很愿意承认这一点。但要验证这些结果，你需要做与作者相同的实验--只有这样你才能说些 "百分之百 "的话。
这是个幻觉...Integer说得很对--情节留给预测......
在现实中，一切都由一个原始的例子来验证......。你可以使用任何方法 - 从第二或第三篇文章))))
如果我们在第一条黄色垂直线上取样，我们得到90-95%的相同结果......移动到下一条......应用同样的算法......我们得到的结果更少......。最后一节（增长），网络永远不会预测...
所有这些都是为了预测1个VP的几个步骤（从相同的条目），当然...如果你突出低谷峰值（周期性），原则上还是可以捕捉到增长...
Agreed....似乎有很大的自由度，但需要的东西却不能被推敲....
黑匣子这个NSH...
只是，有一些周期性（动态）......因此，如果这种动态进入模型（NS、回归或其他......基本上没有什么区别），然后持续一段时间......那么好......如果它改变了，那么它就失败了。动态变化的原因 2...市场和DT过滤器...
是的，我同意你的看法。
这是对表现的第二个解释：特意选择了一个时期进行测试，在这个时期，网络在局部成功地表现出了惊人的结果。顺便说一下，奇怪的是，测试期的长度是150分，而不是200分，或者说是451分。原来是潜移默化的配合。