请提出在图表上寻找模式的任何想法。例如 "头和肩"。
我不知道应该输入什么数据,如何教它,因为图案可能占用不同的条数,有不同的形式。
我想到的唯一东西是卷积网。但是,究竟该如何定罪,如何定罪,目前还不清楚。
作为一个替代方案,我可以建议如下。
起初,我们试图用数学和条件尽可能清楚地确定图表上的这种模式。很自然的是,即使在最大限度内,我们也会有一个样本,其中有真实的模式,也有普通数学和逻辑无法切出的虚假模式。因此,我们得到了一个所谓的 "脏样本",在这里我们必须使用分类网来完全净化这个样本。或者说,要教给网络,使其能够从一个肮脏的样本中做出一个干净的样本,只留下真正的头和肩膀来工作,而把垃圾扔进垃圾箱。或者说...
作为一个替代方案,我可以建议如下。
起初,使用普通的数学和条件,我们试图尽可能纯粹地确定图表上的这种模式。很自然的是,即使在最大限度上,我们也会得到一个包含真实模式以及虚假模式的样本,而这些模式是标准的数学和逻辑无法切割出来的。因此,我们得到了一个所谓的 "脏样本",在这里我们必须使用分类网来完全净化这个样本。或者说,要教给网络,使其能够从一个肮脏的样本中做出一个干净的样本,只留下真正的头和肩膀来工作,而把垃圾扔进垃圾箱。或者说...
这就是我们的想法。但这里有一个细微的差别,按照我的理解,你需要给输入一些数据窗口(比如说200条,以确保整个模式适合它),然后。
1)图案可能出现在窗口的不同部分,分类器无法理解,因为左边部分有图案的窗口与右边部分有图案的窗口会有所不同。
2)分类器必须是自组织的,因为一个严格的数学模型,除了错误的模式,也会切断一部分真实的模式。
3)自组织并不保证任何特定的模式会被分类。
可能由更多的段组成(我们必须定义什么是段),因为市场是分形的,高层次的段由低层次的段组成,我们可以看到断线。
请提出在图表上寻找模式的任何想法。例如 "头和肩"。
我不明白输入什么样的数据比较好,怎么教它,因为一个图案可能占据不同的条数,有不同的形状。
唯一能想到的是卷积网。但究竟什么是卷积,如何卷积还不清楚。
我有一个完整的分类(识别)模式的系统。它完全是用MQL5编写的。
如果感兴趣,我可以在市场上发布。否则,懒得去管。
有一个完整的系统用于分类(识别)模式。完全用MQL5编写。
如果感兴趣,我可以把它放到市场上。否则,懒得去管。
把它放到市场上。
但我个人不会买它。我对这个原则感兴趣。这个话题的提出者提出了一个正确的问题,我很感兴趣。
你确定你的分类器能满足课题组的需要和我的兴趣吗?
把它放到市场上。
但就我个人而言,我不会购买。我对这个原则本身感兴趣。题主问的问题很对,我也很感兴趣。
你确定你的分类器能满足课题组的需要和我的兴趣吗?
实际上,我没有任务来满足你的需求)DTW方法是用来比较的。这种方法对于与原始图案相比在垂直/水平方向上的 "扭曲 "是不变的。
它还包括一个用于存储和核算指定模式的系统和一个用于初步检查模式交易特征的系统。
我不记得其他事情了--已经过去很长时间了)
一般来说,我没有任务来满足你的要求)使用DTW方法进行比较。这种方法对于与原始图案相比在垂直/水平方向上的 "扭曲 "是不变的。
它还包括一个用于存储和核算指定模式的系统和一个用于初步验证模式权衡的系统。
我不记得其他事情了--已经过去很长时间了)
不知道DTW的方法,谢谢!
我还没有理解如何用神经网络更好地应用它。图案不仅可以沿轴线变形,还可以改变其本身的形式(有嵌套,发展的变体)。
请提出在图表上寻找模式 的任何想法。例如 "头和肩"。
我不明白要输入什么样的数据,如何进行教学,因为图案可能占据不同的条数,有不同的形状。
我想到的唯一东西是卷积网。但要折什么,怎么折,还不清楚。