Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3381
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Es geht nicht um die Übersetzung.
Es ist klar, dass die hundert Sätze FF-abhängig sind.
Bringen Sie Links, wenn nicht schwierig (Artikel, Bücher).
Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien
Nützliche Literatur.
Andrey Dik, 2010.07.24 22:26
Neuronale Netze, genetische Algorithmen
A case study on using neural networks to perform technical.pdf
Christian L. Dunis Modelling and Trading EURUSD.pdf
ED PONSI Forex Patterns and Proabilities.pdf
Gorban A.N. Neuroinformatik. Was sind wir, wohin gehen wir, wie können wir unseren Weg messen.pdf
Haykin S. Kalman filtering and neural networks.djvu
Jonsson F. Markus. Die Suche nach dem optimalen Weg für Fahrzeuge auf digitalisierten Karten eines realen Geländes. Part 1.doc
Jonsson F. Markus. Finden des optimalen Weges für Fahrzeuge auf digitalisierten Karten von realem Terrain. Teil 2.doc
Kondratenko V.V. Using Recurrent Neural Networks To Forecasting of Forex.pdf
Krose B. Eine Einführung in Neuronale Netze. 1996.djvu
Long, Parks Neural Network Modeling.djvu
Neural_Network_Trend_Predictor_Manual.pdf
Simon D. Training radialer neuronaler Netze mit dem erweiterten Kalman-Filter
ToshibaNeuronChip.pdf
Barskii A.B. Neural Networks Recognition, Control, Decision Making. 2004.pdf
Berkinblit M.B. Neural Networks 1993.djvu
Bastens D. Neural Networks and Financial Markets. Entscheidungsfindung bei Handelsgeschäften.djvu
Vapnik V.N. Restoration of dependencies on empirical data. 1997.djvu
Vezhnevets A. Non-Standard Neural Network Architectures.pdf
Voronovsky G.K. Genetic Algorithms, Artificial Neural Networks and Problems of Virtual Reality.pdf
Voronovsky G.K. Genetic Algorithms, Artificial Neural Networks and Problems of Virtual Reality.pdf
Galushkin A.I. Theory of Neural Networks. Buch 1 2000.djvu
Goldstein B.S. Intellektuelle Netzwerke. 2000.djvu
Gorban A.N. Generalisierter Approximationssatz und Deduktionsmöglichkeiten neuronaler Netze.pdf
Gorbunova E.O. Algorithmische Universalität der kinetischen Maschine Kirdin.pdf
Gorbunova E.O. Methoden der Neuroinformatik. Endlichkeit und Determiniertheit einfacher Programme für die kinetische Maschine Kirdin.pdf
Jain Anil K. Einführung in künstliche neuronale Netze.pdf
Dorrer M.G. Intuitive Vorhersage durch neuronale Netze von Beziehungen in einer Gruppe.pdf
Dorrer M.G. Methoden der Neuroinformatik. Approximation mehrdimensionaler Funktionen durch einen halbschichtigen Prädiktor mit beliebigen Konvertern.pdf
Dubrovich V.I. Subbotin S.A. Algorithmus des beschleunigten Lernens von Perseptrons.pdf
Ezhov A. Shumsky S. Neurocomputing and its applications in economy and business.djvu
Zhukov L.A. Use of neural network technologies for carrying out educational and research works.pdf
Zaentsev I.V. Neural networks basic models. 1999.pdf
Zakharov V.N. Khoroshevskiy V.F. Artificial Intelligence. Band 3. Software and hardware 1990.djvu
Callan R. Basic concepts of neural networks.djvu
Kgur P.G. Neural networks and neurocomputers.pdf
Komashinsky V.I. Neural networks and their application in control and communication systems 2003.pdf
Committee NN.pdf
Korotkiy S. Hopfield and Hamming neural networks.pdf
Korotkiy S. Neural networks. Backpropagation Algorithmus.pdf
Korotkiy S. Neuronale Netze. Lernen ohne Lehrer.pdf
Korotkiy S. Neuronale Netze. Fundamentals.pdf
Krisilov V.A. Kondartiuk A.V. Transformation of input data of neural networks in order to improve distinguishability.pdf
Krisilov V.A. Oleshko D.N. Methods of acceleration of training of neural networks.doc
Krisilov V.A. Chumichkin K.V. Beschleunigung des Trainings neuronaler Netze durch adaptive Vereinfachung der Trainingsstichprobe.pdf
Krislov V.A. Repräsentation von Ausgangsdaten in Aufgaben der Prognose neuronaler Netze.pdf
Kruglov V.V. Fuzzy Logic and Artificial Neural Networks.djvu
Kruglov, Borisov - Artificial Neural Networks. Theorie und Praxis, 2002.djvu
Kruglov, Borisov - Künstliche Neuronale Netze. Theory and practice, 2002.txt
Liu B. Theory and practice of undefined programming 2005.djvu
McCulloch W., Pitts W. Logical calculus of ideas relating to neural activity.pdf
Markel J.D. Linear prediction of speech. 1980.djvu
Mirkes E.M. Neurocomputer. Entwurf einer Norm. 1998.pdf
Modifizierter genetischer Algorithmus für Optimierungsprobleme in der Steuerung.pdf
Nabhan T.N. Zomaya A. Über Probleme der Schaffung von Strukturen neuronaler Netze zur Optimierung der Funktionsweise.pdf
Napalkov A. В., Pragina L.L. - Human Brain and Artificial Intelligence.docx
Oleshko D.N. Improving the Quality and Speed of Neural Networks Training in the Task of Predicting the Behaviour of Time Series.doc
Oleshko D.N. Improving the Quality and Speed of Neural Networks Training.doc
Ostrovsky S. Neural Networks for Information Processing 2000.djvu
Pavlidis T. Algorithms of Machine Graphics and Image Processing.djvu
Penrose R. The New Mind of the King. Über Computer, Denken und die Gesetze der Physik. 2003.djvu
Pitenko A.A. Einsatz von Technologien neuronaler Netze bei der Lösung analytischer Aufgaben in GIS.pdf
Rutkovskaya D. Neural Networks Genetic Algorithms and Fuzzy Systems.djvu
Senashova M.Yu. Neural Networks Errors. Berechnung der Fehler der Synapsengewichte. 1998.pdf
Subbotin S.A. Neurokybernetics in USSR-CIS - Analytical review of inventions and patents.pdf
Tarasenko R.A. Choice of size of situation description at formation of training sample for neural networks in tasks of forecasting of time series.doc
Tarasenko R.A. Preliminary estimation of quality of training sample for neural networks in tasks of forecasting of time series.doc
Terekhov S.A. Technological aspects of training of neural network machines. 2006.pdf
feasibility-INVEST.gif
Tyumentsev Y.V. Intelligent Autonomous Systems - Challenge to Information Technologies.pdf
Wosserman F. Neurocomputer Engineering.doc
Wosserman F. Neurocomputer Engineering. Theorie und Praxis.doc
Haykin S. Neural networks - full course.djvu
Tsaregorodtsev V.G. Production of semi-empirical knowledge from data tables by means of trained artificial neural networks.pdf
Die FF ist die gleiche, nicht wahr?
Wenn man hundert Sätze durchsucht, ja. Wenn man hundert durch FF1 findet, bedeutet ein schlechter Durchschnittssatz nicht, dass es keinen guten Satz gibt. Denn ein guter Durchschnittssatz kann durchaus durch FF2 gefunden werden.
Die Komponenten können getrennt in einem multifunktionalen Raum oder alle zusammen bewertet werden - Meta-Evaluationen, oder anders - integrale Evaluationen.
Interessant sind die Hinweise auf Arbeiten zu diesem Thema.
Wenn man nach hundert Sets sucht, ja. Wenn man hundert über FF1 findet, bedeutet ein schlechter Durchschnittssatz nicht, dass es keinen guten Satz gibt. Denn ein guter Durchschnittssatz kann durchaus durch FF2 gefunden werden.
1)
Worin besteht der Widerspruch?
Parameterauswahl == Parametersuche im Optimierungsalgorithmus
Modellmetrik-Schätzung == FF mit Akurashi-Schätzung z.B.
Womit sind Sie nicht einverstanden?
Lesen Sie dies, insbesondere den Abschnitt "Verlustfunktion != Qualitätsmetrik". Ich glaube nicht, dass ich es noch deutlicher machen könnte.
2)
Können Sie näher erläutern, worin Sie das Problem sehen? Ich sehe zum Beispiel nicht
Interessant sind die Links zu Arbeiten zu diesem Thema.
Ich kann leider keinen konkreten Hinweis geben. Oben habe ich eine Literaturliste angegeben, ich werde selbst danach suchen müssen, falls jemand daran interessiert ist. Ich werde mich nicht mehr mit solchen Bildungsaktivitäten, der Pflege der Büchersammlung und deren Katalogisierung beschäftigen - es wird nicht geschätzt und bringt kein Geld.
"Nicht vor den Schweinen schwitzen..."
Ich kann Ihnen leider keinen konkreten Hinweis geben. Oben habe ich eine Literaturliste angegeben, ich werde selbst danach suchen müssen, falls jemand daran interessiert ist. Ich werde mich nicht mehr mit solchen Bildungsaktivitäten, der Pflege der Büchersammlung und deren Katalogisierung beschäftigen - das wird nicht geschätzt und bringt kein Geld.
"Nicht vor den Schweinen schwitzen..."
Interessant sind die Links zu Arbeiten zu diesem Thema.
Sie haben eine gewisse Verschlagenheit. Links, um sicher zu gehen, dass sie sich öffnen. Niemand, der "interessiert" ist, wird sich mit ihnen befassen. Niemand wird Andrei's zerkaute Artikel lesen, geschweige denn Werke akademischer Natur.
Hat jemand dieses leicht verständliche TOP mit der Möglichkeit, das Ranking seines eigenen Optimierungsalgorithmus zu berechnen, gesehen?
Forum über Handel, automatisierte Handelssysteme und das Testen von Handelsstrategien
Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algorithmenhandel
mytarmailS, 2024.01.11 10:29 AM
Und auch niemand ist nicht verwirrt, wie ein Optimierungsalgorithmus Top-3 oder sogar Top-1 in der Welt, allgemein anerkannt und bekannt wie PSO, hat er am Ende der Bewertung, und einige wissen-Namen, über die niemand jemals gehört hat, wie graue Wölfe, Unkraut, etc. Er hat die Führer))))https://habr.com/ru/users/belyalova/publications/articles/
eine Bibliothek mit Büchern führen und katalogisieren
Nicht jede nützliche Sache bringt Geld)))))