이 신경망의 특징은 적응형 토폴로지에 있습니다. 단순히 입력, 숨겨진 뉴런 및 출력의 모음이 아닙니다. 그리고 진화의 과정에서 뉴런이 서로 연결 및 분리되고 가중치가 변경되어 점차적으로 네트워크를 적응시키는 모델이 더 좋고 더 나은 결과를 제공합니다. 결과는 특정 작업에 적합한 고유한 신경 연결 및 가중치를 가진 네트워크여야 합니다. Forex에 기적은 없을 것입니다. 이 네트워크는 일반 네트워크와 마찬가지로 미리 준비된 예제를 통해 단순히 학습할 것입니다. 아마도 100% 정확도를 제공할 것입니다. 그러나 전면 테스트에서는 아마도 전체 저울을 병합할 것입니다. 왜 그녀는 그것을 병합하지 않겠습니까? :)
한 번은 EA 자체에서 뉴런을 훈련시키려고 시도했으며, 각각의 새로운 막대에서 다시 훈련했습니다. 결과는 좋지 않았지만 네트워크는 잔액을 늘렸지만 일부 간격으로 갑자기 얻은 것보다 더 많은 것을 잃었습니다. 그런 다음 다시 균형을 늘리기 시작했고 잠시 후 다시 갑자기 심하게 고갈되었습니다. 마치 외환 쌍의 행동에 대한 모든 내부 프로세스를 극적으로 변경하는 이벤트가 발생하고 다시 훈련될 때까지 잠시 동안 모델을 완전히 사용할 수 없게 되는 것처럼. 나는 이 접근 방식을 버렸고, 너무 어렵습니다. 새 데이터의 학습률을 선택하고 "이윤이 Y일에 X포인트 감소한 다음 Z일 동안 거래를 중지"와 같은 논리를 도입하고, 이 모든 것을 정렬하고 최적화해야 합니다. 한 달에 한 번 새 네트워크를 처음부터 훈련하는 것이 더 쉽습니다.
이 신경망의 특징은 적응형 토폴로지에 있습니다. 단순히 입력, 숨겨진 뉴런 및 출력의 모음이 아닙니다. 그리고 진화의 과정에서 뉴런이 서로 연결 및 분리되고 가중치가 변경되어 점차적으로 네트워크를 적응시키는 모델이 더 좋고 더 나은 결과를 제공합니다. 결과는 특정 작업에 적합한 고유한 신경 연결 및 가중치를 가진 네트워크여야 합니다. Forex에 기적은 없을 것입니다. 이 네트워크는 일반 네트워크와 마찬가지로 미리 준비된 예제를 통해 단순히 학습할 것입니다. 아마도 100% 정확도를 제공할 것입니다. 그러나 전면 테스트에서는 아마도 전체 잔액을 병합할 것입니다. 왜 그녀는 그것을 병합하지 않겠습니까? :)
한 번은 EA 자체에서 뉴런을 훈련시키려고 시도했으며, 각각의 새로운 막대에서 다시 훈련했습니다. 결과는 좋지 않았지만 네트워크는 잔액을 늘렸지만 일부 간격으로 갑자기 얻은 것보다 더 많은 것을 잃었습니다. 그런 다음 다시 균형을 늘리기 시작했고 잠시 후 다시 갑자기 심하게 고갈되었습니다. 마치 외환 쌍의 행동에 대한 모든 내부 프로세스를 극적으로 변경하는 이벤트가 발생하고 다시 훈련될 때까지 잠시 동안 모델을 완전히 사용할 수 없게 되는 것처럼. 나는 이 접근 방식을 버렸고, 너무 어렵습니다. 새 데이터의 학습률을 선택하고 "Y일에 X 포인트만큼 이익이 떨어지면 Z일 동안 거래를 중지"와 같은 논리를 도입하고, 이 모든 것을 정렬하고 최적화해야 합니다. 한 달에 한 번 새 네트워크를 처음부터 훈련하는 것이 더 쉽습니다.
흥미로운.
이론적으로 실험이 올바르게 설정되면(조기 학습 중지!) 이러한 적응은 유익할 수 있고 유익할 것입니다.
1) Forex에 기적은 없을 것입니다. 이 네트워크는 일반 네트워크와 마찬가지로 미리 준비된 예제에서 단순히 학습합니다. 아마도 100% 정확도를 제공할 것입니다. 그러나 전면 테스트에서는 아마도 전체 잔액을 병합할 것입니다. 왜 그녀는 그것을 병합하지 않겠습니까? :)
2) 한 번은 EA 자체에서 뉴런을 훈련시키려고 시도했으며, 각각의 새로운 막대에서 다시 훈련했습니다. 결과는 좋지 않았지만 네트워크는 잔액을 늘렸지만 일부 간격으로 갑자기 얻은 것보다 더 많은 것을 잃었습니다. 그런 다음 다시 균형을 늘리기 시작했고 잠시 후 다시 갑자기 심하게 고갈되었습니다.
1) 네, 맞습니다. 하지만 이 네트워크는 스스로 의사결정을 하는 방법을 배울 수 있습니다. 이것은 선생님이 없는 일반적인 분류가 아닙니다. 즉, 제가 오랫동안 이야기해 왔던 개념을 구현할 수 있다는 것을 의미합니다 - sat-by 또는 00011101011의 형태로 표준 목표가 아니라 더 추상적으로 가르칠 수 있습니다. 나는 당신이 그곳에서 어떻게 거래할지 상관하지 않지만, 나는 당신의 하루 수입이 최소 1% 드로우다운 0.5%가 되기를 원하며 그녀는 이 문제를 해결하기 위해 규칙과 조합을 찾을 것입니다. 내가 여기 어딘가에서 틀렸고 말도 안 되는 말을 했다면, 나를 위해 정정해 주세요)
2) 나는 또한 어제 말 그대로 비슷한 것을 시도했지만 약간만 달랐습니다... 5분에 150개의 양초의 슬라이딩 창으로 이동하여 숲을 훈련하고 각각의 새 양초 에 대해 거래한 다음 새 양초에 대해 모델을 재훈련했습니다. 양초 등 .. 결과는 놀랍게도 좋은 것으로 밝혀졌습니다. 어딘가에 5 번 동일한 데이터에 대해 그런 거래를 실행했는데 모델은 항상 월 8 %에서 20 %까지 검은 색이었습니다. 이미 기뻤습니다. 다시 실행하겠습니다) 그런 다음 배수구, 다시 배수구)) 간단히 말해서 순전히 우연히 모델이 얻은 ...
그건 그렇고 나중에 그런 것도 시도했는데 RF에서 "importense"를 통해 각각의 재훈련을 할 때마다 가장 중요한 특징, 즉 "이동 중"인 것처럼 식별하고 중요한 것들에 대해서만 모델을 훈련시키는 모델, 이것이 약 2 배 더 악화되기 시작한 후))) 나는 매우 놀랐습니다))))
동의합니다, 흥미롭습니다 ... 그러나 이데올로기에서 시작하여 코드 자체로 끝나는 거기에는 내가 모르는 많은 것들과 많은 연산자가 있습니다.
누군가 이 모든 것을 최소한 거래에 적용하는 방법에 대한 기본적인 예를 들어 설명할 수 있다면 이것은 나 같은 무지한 사람들을 위한 실험에 좋은 자극제가 될 것입니다.
예를 들어 인터넷을 검색해야 합니다.
매우 흥미로운 신경망 http://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/ 스스로 거래할 수 있다고 생각하십니까? 당신의 실수에 대해 배울 수 있습니까? 그렇다면, 어떻게, 토론에 초대합니다
이 신경망의 특징은 적응형 토폴로지에 있습니다. 단순히 입력, 숨겨진 뉴런 및 출력의 모음이 아닙니다. 그리고 진화의 과정에서 뉴런이 서로 연결 및 분리되고 가중치가 변경되어 점차적으로 네트워크를 적응시키는 모델이 더 좋고 더 나은 결과를 제공합니다. 결과는 특정 작업에 적합한 고유한 신경 연결 및 가중치를 가진 네트워크여야 합니다.
Forex에 기적은 없을 것입니다. 이 네트워크는 일반 네트워크와 마찬가지로 미리 준비된 예제를 통해 단순히 학습할 것입니다. 아마도 100% 정확도를 제공할 것입니다. 그러나 전면 테스트에서는 아마도 전체 저울을 병합할 것입니다. 왜 그녀는 그것을 병합하지 않겠습니까? :)
한 번은 EA 자체에서 뉴런을 훈련시키려고 시도했으며, 각각의 새로운 막대에서 다시 훈련했습니다. 결과는 좋지 않았지만 네트워크는 잔액을 늘렸지만 일부 간격으로 갑자기 얻은 것보다 더 많은 것을 잃었습니다. 그런 다음 다시 균형을 늘리기 시작했고 잠시 후 다시 갑자기 심하게 고갈되었습니다. 마치 외환 쌍의 행동에 대한 모든 내부 프로세스를 극적으로 변경하는 이벤트가 발생하고 다시 훈련될 때까지 잠시 동안 모델을 완전히 사용할 수 없게 되는 것처럼. 나는 이 접근 방식을 버렸고, 너무 어렵습니다. 새 데이터의 학습률을 선택하고 "이윤이 Y일에 X포인트 감소한 다음 Z일 동안 거래를 중지"와 같은 논리를 도입하고, 이 모든 것을 정렬하고 최적화해야 합니다. 한 달에 한 번 새 네트워크를 처음부터 훈련하는 것이 더 쉽습니다.
이 신경망의 특징은 적응형 토폴로지에 있습니다. 단순히 입력, 숨겨진 뉴런 및 출력의 모음이 아닙니다. 그리고 진화의 과정에서 뉴런이 서로 연결 및 분리되고 가중치가 변경되어 점차적으로 네트워크를 적응시키는 모델이 더 좋고 더 나은 결과를 제공합니다. 결과는 특정 작업에 적합한 고유한 신경 연결 및 가중치를 가진 네트워크여야 합니다.
Forex에 기적은 없을 것입니다. 이 네트워크는 일반 네트워크와 마찬가지로 미리 준비된 예제를 통해 단순히 학습할 것입니다. 아마도 100% 정확도를 제공할 것입니다. 그러나 전면 테스트에서는 아마도 전체 잔액을 병합할 것입니다. 왜 그녀는 그것을 병합하지 않겠습니까? :)
한 번은 EA 자체에서 뉴런을 훈련시키려고 시도했으며, 각각의 새로운 막대에서 다시 훈련했습니다. 결과는 좋지 않았지만 네트워크는 잔액을 늘렸지만 일부 간격으로 갑자기 얻은 것보다 더 많은 것을 잃었습니다. 그런 다음 다시 균형을 늘리기 시작했고 잠시 후 다시 갑자기 심하게 고갈되었습니다. 마치 외환 쌍의 행동에 대한 모든 내부 프로세스를 극적으로 변경하는 이벤트가 발생하고 다시 훈련될 때까지 잠시 동안 모델을 완전히 사용할 수 없게 되는 것처럼. 나는 이 접근 방식을 버렸고, 너무 어렵습니다. 새 데이터의 학습률을 선택하고 "Y일에 X 포인트만큼 이익이 떨어지면 Z일 동안 거래를 중지"와 같은 논리를 도입하고, 이 모든 것을 정렬하고 최적화해야 합니다. 한 달에 한 번 새 네트워크를 처음부터 훈련하는 것이 더 쉽습니다.
흥미로운.
이론적으로 실험이 올바르게 설정되면(조기 학습 중지!) 이러한 적응은 유익할 수 있고 유익할 것입니다.
그곳에서 R용 패키지를 준비하고 있는 것 같습니다. 우리는 주의해야 합니다.
1) Forex에 기적은 없을 것입니다. 이 네트워크는 일반 네트워크와 마찬가지로 미리 준비된 예제에서 단순히 학습합니다. 아마도 100% 정확도를 제공할 것입니다. 그러나 전면 테스트에서는 아마도 전체 잔액을 병합할 것입니다. 왜 그녀는 그것을 병합하지 않겠습니까? :)
2) 한 번은 EA 자체에서 뉴런을 훈련시키려고 시도했으며, 각각의 새로운 막대에서 다시 훈련했습니다. 결과는 좋지 않았지만 네트워크는 잔액을 늘렸지만 일부 간격으로 갑자기 얻은 것보다 더 많은 것을 잃었습니다. 그런 다음 다시 균형을 늘리기 시작했고 잠시 후 다시 갑자기 심하게 고갈되었습니다.
1) 네, 맞습니다. 하지만 이 네트워크는 스스로 의사결정을 하는 방법을 배울 수 있습니다. 이것은 선생님이 없는 일반적인 분류가 아닙니다. 즉, 제가 오랫동안 이야기해 왔던 개념을 구현할 수 있다는 것을 의미합니다 - sat-by 또는 00011101011의 형태로 표준 목표가 아니라 더 추상적으로 가르칠 수 있습니다. 나는 당신이 그곳에서 어떻게 거래할지 상관하지 않지만, 나는 당신의 하루 수입이 최소 1% 드로우다운 0.5%가 되기를 원하며 그녀는 이 문제를 해결하기 위해 규칙과 조합을 찾을 것입니다. 내가 여기 어딘가에서 틀렸고 말도 안 되는 말을 했다면, 나를 위해 정정해 주세요)
2) 나는 또한 어제 말 그대로 비슷한 것을 시도했지만 약간만 달랐습니다... 5분에 150개의 양초의 슬라이딩 창으로 이동하여 숲을 훈련하고 각각의 새 양초 에 대해 거래한 다음 새 양초에 대해 모델을 재훈련했습니다. 양초 등 .. 결과는 놀랍게도 좋은 것으로 밝혀졌습니다. 어딘가에 5 번 동일한 데이터에 대해 그런 거래를 실행했는데 모델은 항상 월 8 %에서 20 %까지 검은 색이었습니다. 이미 기뻤습니다. 다시 실행하겠습니다) 그런 다음 배수구, 다시 배수구)) 간단히 말해서 순전히 우연히 모델이 얻은 ...
그건 그렇고 나중에 그런 것도 시도했는데 RF에서 "importense"를 통해 각각의 재훈련을 할 때마다 가장 중요한 특징, 즉 "이동 중"인 것처럼 식별하고 중요한 것들에 대해서만 모델을 훈련시키는 모델, 이것이 약 2 배 더 악화되기 시작한 후))) 나는 매우 놀랐습니다))))
매우 흥미로운 주제입니다.
그러나 우리가 국회와 협력한다면, 제 생각에는 입력의 수를 최대한 줄여야 합니다.
각각의 추가 입력은 네트워크에 "가중치"를 부여하고 훈련 가능성을 감소시키며 간단한 데이터 기억으로 이어집니다.
매우 흥미로운 주제입니다.
그러나 우리가 국회와 협력한다면, 제 생각에는 입력의 수를 최대한 줄여야 합니다.
각각의 추가 입력은 네트워크에 "가중치"를 지정하고 교육 가능성을 감소시키며 간단한 데이터 기억으로 이어집니다.
질문이 아닙니다. 훈련 전에 원하는 수의 입력을 선택할 수 있습니다.
사실이야
하지만 안타깝게도 많이 줄수록 좋다는 의견이 있습니다.
그리고 그녀, 즉 국회는 필요한 것을 선택할 것이라고 말합니다.
기본적으로 잘못된 접근 방식입니다.
사실이야
하지만 안타깝게도 많이 줄수록 좋다는 의견이 있습니다.
그리고 그녀, 즉 국회는 필요한 것을 선택할 것이라고 말합니다.
기본적으로 잘못된 접근 방식입니다.
나는 음모를 추가할 것입니다 - 거래된 요소의 과정에서 변경 사항을 제출할 필요가 없습니다.
머리카락으로 늪에서 빠져 나오는 것과 같습니다.
다른 데이터 소스도 찾아보십시오.
이익이 당신과 함께하기를 바랍니다!
:)