그러한 매트릭스를 사용하여 단 3-5개의 입력으로 수익성 있는 것을 계산하는 것은 나에게 비현실적으로 보입니다. 가능한 모든 변형을 포괄한다는 데 동의합니다.
그러나 예를 들어 5개의 입력이 있는 네트워크를 만들면 계산을 위한 32개의 계수가 됩니다. 유전 알고리즘 은 일반적으로 10,000번의 패스로 수렴합니다. 입력은 평균적으로 -1.0-1로 이동합니다. 3개의 입력으로 패턴을 계산할 수 있고 계산할 수 있지만 3개의 입력으로는 충분하지 않다고 생각합니다.
그리고 R 또는 ALGLIB에서 신경망을 구축하고 빠르게 계산할 수 있습니다. 내부 구조는 그렇게 완전하지 않지만 훈련 중에는 가장 강력한 종속성이 있습니다.
예를 들어 신호는 다른 시스템에서 제공되는 반면 NN은 입력의 일부만 수행할 수 있는 결합된 전략을 잊지 마십시오. 예를 들어 일반적인 방향을 표시합니다.
평평하게 쏟아지는 시스템이 있고 이러한 영역을 필터링하도록 NN을 최적화할 수 있으며 나머지 논리는 "있는 그대로" 작동한다고 가정해 보겠습니다.
В статье анализируется применение формулы Байеса для повышения надежности торговых систем за счет использования сигналов нескольких независимых индикаторов. Теоретические расчеты проверяются с помощью простого универсального эксперта, настраиваемого для работы с произвольными индикаторами.
그리고 국회가 아예 일을 해야 한다고 결정한 이유는 무엇입니까? 내가 아는 한, NN을 사용하면 데이터 세트에서 알고리즘/패턴을 더 쉽게 찾을 수 있습니다.
그러나 가격 행동은 MM을 포함한 모든 참가자의 위치의 합입니다. 군중 행동의 알고리즘은 무엇입니까? 동시에 이 군중의 일부가 아닌 일부에게는 해당 포지션에 이익이 있든 없든 전혀 중요하지 않습니다. 이것은 들판을 날아다니는 벌의 행동입니다. 들판은 같지만 어떤 꽃에 떨어질지 예측하는 것은 비현실적입니다.
뉴런과 입력이 많을수록 시스템은 더 안정적이지만 수익성은 떨어집니다. 지난 3개월 동안 분당 시가로 최적화되었으며 그 중 1.5는 포워드이며 거의 1년 동안 운영되었으며 결과를 보여주었습니다. 안정적인 결과. 각각 3개의 입력이 있는 3개의 뉴런이 있으며 이 3개의 뉴런은 4번째 뉴런에 들어가 최종 결과를 제공합니다.
원 안은 그리드가 최적화된 영역(대략)이고 그 다음이 포워드이며 나머지 DO는 훈련에 전혀 참여하지 않았습니다.
뉴런과 입력이 많을수록 시스템은 더 안정적이지만 수익성은 떨어지며 지난 3개월 동안 1.5분의 1.5가 분당 시가로 최적화된 후 거의 1년 동안 실행했으며 안정적인 결과를 보여주었습니다. 각각 3개의 입력이 있는 3개의 뉴런이 있으며 이 3개의 뉴런은 4번째 뉴런에 들어가 최종 결과를 제공합니다.
원 안은 그리드가 최적화된 영역(대략)이고 그 다음이 포워드이며 나머지 DO는 훈련에 전혀 참여하지 않았습니다.
가장 중요한 것은 안정성입니다. 1년도 채 되지 않아 - 800%, 그리고 이것이 신경망에 비유하여 어레이에 대한 일종의 자가 학습 조언자 라면 - 저는 악수합니다. 무엇이 무엇인지 이해하기에는 너무 똑똑하지만 머신 러닝의 이 영역에 뛰어들 용기에 악수합니다. 나는 그가 시장의 예측 불가능성과 같은 이유로 비틀거릴 것이라고 생각합니다. 하지만 거기에는 분명히 손실 한도 시스템이 있으므로 정말 흥미롭습니다. 그리고 그는 VPS 또는 가정용 PC에서 어디에서 작업합니까?
가장 중요한 것은 안정성입니다. 1년도 채 되지 않아 - 800%, 그리고 이것이 신경망에 비유하여 어레이에 대한 일종의 자가 학습 조언자 라면 - 저는 악수합니다. 무엇이 무엇인지 이해하기에는 너무 똑똑하지만 머신 러닝의 이 영역에 뛰어들 용기에 악수합니다. 나는 그가 시장의 예측 불가능성과 같은 이유로 비틀거릴 것이라고 생각합니다. 하지만 거기에는 분명히 손실 한도 시스템이 있으므로 정말 흥미롭습니다. 그리고 그는 VPS 또는 가정용 PC에서 어디에서 작업합니까?
네, 지금은 테스터의 테스트입니다) 이것은 신경망도 아니지만 분류기, 그 사이에 뭔가가 밝혀졌습니다. 무엇이라고 부를지 모르겠습니다. 수제) 네, 주기적으로 재교육해야 하고 예를 들어 드로다운에 대한 몇 가지 제한 사항을 도입합니다.
뉴런과 입력이 많을수록 시스템은 더 안정적이지만 수익성은 떨어지며 지난 3개월 동안 1.5분의 1.5가 분당 시가로 최적화된 후 거의 1년 동안 실행했으며 안정적인 결과를 보여주었습니다. 각각 3개의 입력이 있는 3개의 뉴런이 있으며 이 3개의 뉴런은 4번째 뉴런에 들어가 최종 결과를 제공합니다.
원 안은 그리드가 최적화된 영역(대략)이고 그 다음이 포워드이며 나머지 DO는 훈련에 전혀 참여하지 않았습니다.
Индикатор, который использует нейронные сети для прогнозирования ближайших нескольких цен открытия. Сеть обучается методом обратного распространения ошибки. Обучение проходит автоматически, результат — самообученная сеть и самообучающийся индикатор.
그러한 매트릭스를 사용하여 단 3-5개의 입력으로 수익성 있는 것을 계산하는 것은 나에게 비현실적으로 보입니다. 가능한 모든 변형을 포괄한다는 데 동의합니다.
그러나 예를 들어 5개의 입력이 있는 네트워크를 만들면 계산을 위한 32개의 계수가 됩니다. 유전 알고리즘 은 일반적으로 10,000번의 패스로 수렴합니다. 입력은 평균적으로 -1.0-1로 이동합니다.
3개의 입력으로 패턴을 계산할 수 있고 계산할 수 있지만 3개의 입력으로는 충분하지 않다고 생각합니다.
그리고 R 또는 ALGLIB에서 신경망을 구축하고 빠르게 계산할 수 있습니다. 내부 구조는 그렇게 완전하지 않지만 훈련 중에는 가장 강력한 종속성이 있습니다.
예를 들어 신호는 다른 시스템에서 제공되는 반면 NN은 입력의 일부만 수행할 수 있는 결합된 전략을 잊지 마십시오. 예를 들어 일반적인 방향을 표시합니다.
평평하게 쏟아지는 시스템이 있고 이러한 영역을 필터링하도록 NN을 최적화할 수 있으며 나머지 논리는 "있는 그대로" 작동한다고 가정해 보겠습니다.
예를 들어 신호는 다른 시스템에서 제공되는 반면 NN은 입력의 일부만 수행할 수 있는 결합된 전략을 잊지 마십시오. 예를 들어 일반적인 방향을 표시합니다.
평평하게 쏟아지는 시스템이 있고 이러한 영역을 필터링하기 위해 NN을 최적화할 수 있고 나머지 논리는 "있는 그대로" 작동한다고 가정해 보겠습니다.
그건 그렇고, 여기에 Reshetov의 동일한 전문가 시스템이 있습니다. 즉, :) https://www.mql5.com/en/articles/3264 즉. 베이지안 분류기라고 부를 수 있습니다.
그리고 국회가 아예 일을 해야 한다고 결정한 이유는 무엇입니까? 내가 아는 한, NN을 사용하면 데이터 세트에서 알고리즘/패턴을 더 쉽게 찾을 수 있습니다.
그러나 가격 행동은 MM을 포함한 모든 참가자의 위치의 합입니다. 군중 행동의 알고리즘은 무엇입니까? 동시에 이 군중의 일부가 아닌 일부에게는 해당 포지션에 이익이 있든 없든 전혀 중요하지 않습니다. 이것은 들판을 날아다니는 벌의 행동입니다. 들판은 같지만 어떤 꽃에 떨어질지 예측하는 것은 비현실적입니다.
우리는 이 괴물에게 행운을 빕니다 :) 이것은 단지 이 접근 방식의 적용 범위를 결정하기 위한 것입니다
뉴런과 입력이 많을수록 시스템은 더 안정적이지만 수익성은 떨어집니다. 지난 3개월 동안 분당 시가로 최적화되었으며 그 중 1.5는 포워드이며 거의 1년 동안 운영되었으며 결과를 보여주었습니다. 안정적인 결과. 각각 3개의 입력이 있는 3개의 뉴런이 있으며 이 3개의 뉴런은 4번째 뉴런에 들어가 최종 결과를 제공합니다.
원 안은 그리드가 최적화된 영역(대략)이고 그 다음이 포워드이며 나머지 DO는 훈련에 전혀 참여하지 않았습니다.
뉴런과 입력이 많을수록 시스템은 더 안정적이지만 수익성은 떨어지며 지난 3개월 동안 1.5분의 1.5가 분당 시가로 최적화된 후 거의 1년 동안 실행했으며 안정적인 결과를 보여주었습니다. 각각 3개의 입력이 있는 3개의 뉴런이 있으며 이 3개의 뉴런은 4번째 뉴런에 들어가 최종 결과를 제공합니다.
원 안은 그리드가 최적화된 영역(대략)이고 그 다음이 포워드이며 나머지 DO는 훈련에 전혀 참여하지 않았습니다.
가장 중요한 것은 안정성입니다. 1년도 채 되지 않아 - 800%, 그리고 이것이 신경망에 비유하여 어레이에 대한 일종의 자가 학습 조언자 라면 - 저는 악수합니다. 무엇이 무엇인지 이해하기에는 너무 똑똑하지만 머신 러닝의 이 영역에 뛰어들 용기에 악수합니다. 나는 그가 시장의 예측 불가능성과 같은 이유로 비틀거릴 것이라고 생각합니다. 하지만 거기에는 분명히 손실 한도 시스템이 있으므로 정말 흥미롭습니다. 그리고 그는 VPS 또는 가정용 PC에서 어디에서 작업합니까?
가장 중요한 것은 안정성입니다. 1년도 채 되지 않아 - 800%, 그리고 이것이 신경망에 비유하여 어레이에 대한 일종의 자가 학습 조언자 라면 - 저는 악수합니다. 무엇이 무엇인지 이해하기에는 너무 똑똑하지만 머신 러닝의 이 영역에 뛰어들 용기에 악수합니다. 나는 그가 시장의 예측 불가능성과 같은 이유로 비틀거릴 것이라고 생각합니다. 하지만 거기에는 분명히 손실 한도 시스템이 있으므로 정말 흥미롭습니다. 그리고 그는 VPS 또는 가정용 PC에서 어디에서 작업합니까?
네, 지금은 테스터의 테스트입니다) 이것은 신경망도 아니지만 분류기, 그 사이에 뭔가가 밝혀졌습니다. 무엇이라고 부를지 모르겠습니다. 수제) 네, 주기적으로 재교육해야 하고 예를 들어 드로다운에 대한 몇 가지 제한 사항을 도입합니다.
뉴런과 입력이 많을수록 시스템은 더 안정적이지만 수익성은 떨어지며 지난 3개월 동안 1.5분의 1.5가 분당 시가로 최적화된 후 거의 1년 동안 실행했으며 안정적인 결과를 보여주었습니다. 각각 3개의 입력이 있는 3개의 뉴런이 있으며 이 3개의 뉴런은 4번째 뉴런에 들어가 최종 결과를 제공합니다.
원 안은 그리드가 최적화된 영역(대략)이고 그 다음이 포워드이며 나머지 DO는 훈련에 전혀 참여하지 않았습니다.
입력으로 무엇을 제공합니까?
나쁘지 않다!
입력으로 무엇을 제공합니까?
하지만 역시, 회귀와 rsi, 나는 아직 더 똑똑한 것을 생각하지 못했습니다
나쁘지 않다!
입력으로 무엇을 제공합니까?
그건 그렇고, 당신은 사용하기에 가장 편리한 그리드를 찾고 있었습니다 - 이것을 시도하십시오 https://www.mql5.com/en/code/9002
나는 아직 그것을 스스로 알아내지 못했고, 나 자신에게 그 전에 시간이 없다면 사용 가능한지 여부를 나중에 다시 쓰십시오)