"New Neural" ist ein Open-Source-Projekt für neuronale Netzwerke für die MetaTrader 5-Plattform. - Seite 76

 

Wahrscheinlich eine dumme Frage.

Ist es möglich, Vektoren, deren Dimensionalität nicht gleich N ist, mit einer Kohonen-Karte zu klassifizieren, die auf einen Vektor der Dimension N abgestimmt ist? Im Grunde genommen wird eine Person eine Kugel mit einem Kreis, ein Quadrat mit einem Würfel, eine Pyramide mit einem Dreieck in eine Klasse einordnen. Ich hoffe, die Idee ist klar.

 
ivandurak:

Wahrscheinlich eine dumme Frage.

Ist es möglich, Vektoren, deren Dimensionalität nicht gleich N ist, mit einer Kohonen-Karte zu klassifizieren, die auf einen Vektor der Dimension N abgestimmt ist? Im Grunde genommen wird eine Person eine Kugel mit einem Kreis, ein Quadrat mit einem Würfel, eine Pyramide mit einem Dreieck in eine Klasse einordnen. Ich hoffe, die Idee ist klar.

Nein, die Idee ist nicht klar. Eine Person liest Videoinformationen mit der gleichen Matrix von Eingaben. Die Rezeptoren im Auge werden weder mehr noch weniger.

Sie schlagen vor, Vektoren verschiedener Dimensionen anzugeben, wie können Sie erwarten, dass das Gitter angemessen reagiert?

 
ivandurak:

Wahrscheinlich eine dumme Frage.

Ist es möglich, Vektoren, deren Dimensionalität nicht gleich N ist, mit einer Kohonen-Karte zu klassifizieren, die auf einen Vektor der Dimension N abgestimmt ist? Im Grunde genommen wird eine Person eine Kugel mit einem Kreis, ein Quadrat mit einem Würfel, eine Pyramide mit einem Dreieck in eine Klasse einordnen. Ich hoffe, die Idee ist klar.

Wenn man den Kegel von unten betrachtet, ist er ein Kreis, von der Seite ist er ein Dreieck.

Der Zylinder kann auch gedreht werden

 
Öffnen Sie die Karte. Wir unterteilen sie manuell in Abschnitte, die nach oben, nach unten oder nach rechts tendieren - nehmen wir an, wir lassen uns von unserem Instinkt leiten. Wir laden diese Aufschlüsselung in die Kohonen-Tabelle und erhalten die Fantasie-Clusterung. Die Aufgabe besteht nun darin, im aktuellen Moment so schnell und präzise wie möglich zu erkennen, in welchem Cluster wir uns befinden. Es ist klar, dass die Dimensionalität des analysierten Vektors geringer sein wird als die Dimensionalität der anfänglichen Aufschlüsselung. Es bleibt, sich auf TA zu verlassen, dass die begonnene Bewegung weitergeht und nicht endet.
 
yu-sha:

Wenn man den Kegel von unten betrachtet, ist er ein Kreis, aber an der Seite ist er ein Dreieck

Ein Zylinder kann auch verdreht werden

Wenn Sie es langsam drehen, können Sie von einem Kreis zu einem Dreieck wechseln.
 

Es tut mir leid, ich bin neu bei Neurogames, also mag das eine dumme Frage sein.

Es gibt eine Menge von Vektoren X1,X2 . X1={x1,x2,x3,} . Und x1>> x3 , x2>>x3 . x1 und x2 der beiden Vektoren sind annähernd gleich, so dass die beiden Vektoren im Raum nahe beieinander liegen. Obwohl x3 das wichtigste Merkmal beschreibt. Für unsere Schafböcke gilt: x1=Periodendurchschnitt, x2=Periodendurchschnitt PSY, x3=Dispersion, x4=Trendkomponente. In diesem Fall wird die Klassifizierung hauptsächlich auf x1 und x2 basieren. Wie kann ich diese Situation vermeiden oder bremse ich wieder stark ab.

 
ivandurak:

Es tut mir leid, ich bin neu bei Neurogames, also mag das eine dumme Frage sein.

Es gibt eine Menge von Vektoren X1,X2 . X1={x1,x2,x3,} . Und x1>> x3 , x2>>x3 . x1 und x2 der beiden Vektoren sind annähernd gleich, so dass die beiden Vektoren im Raum nahe beieinander liegen. Obwohl x3 das wichtigste Merkmal beschreibt. Für unsere Schafböcke gilt: x1=Periodendurchschnitt, x2=Periodendurchschnitt PSY, x3=Dispersion, x4=Trendkomponente. In diesem Fall wird die Klassifizierung hauptsächlich auf x1 und x2 basieren. Wie kann ich eine solche Situation vermeiden oder bremse ich wieder stark ab.

Können Sie ein konkretes Beispiel nennen und eine bestimmte Aufgabe stellen?

Auf diese Weise ist es einfacher, den Punkt zu verstehen.

 
yu-sha:

Können Sie ein konkretes Beispiel nennen und ein bestimmtes Ziel setzen?

Es ist einfacher, die Frage zu verstehen.

Die Aufgabe besteht darin, einen Vektor zu wählen, der den Markt in Gruppen einteilt: Trend Up, Trend Down, Trend East.

Bilden wir zum Beispiel ein Array von Vektoren entsprechend unserer Fantasie X{x1,x2,x3,x4,x5,x6,x7}

x1= Zeitraum MA

x2= Zeitraum von MA

x3= Wert von MA

x4= Wert von RAR

x5=Dispersion z.B.

x6= Trendkomponente von MA(N)-MA(N-1)

x7=Anzahl der Schnittpunkte von MA und Preis

Wenn wir die Anordnung dieser Vektoren mit Hilfe der Kohonen-Karte clustern, sehen wir nahe Vektoren. Es stellt sich heraus, dass der größte Einfluss auf die euklidischen Abstände x1,x2,x4, x7 sein wird. Allerdings sind die Merkmale x3, x5 und x6 nicht weniger wichtig, wenn nicht sogar wichtiger. Wir können alle x-Werte im Bereich -1...1 normalisieren, aber ich weiß nicht, wie. Oder man kann Marktmerkmale nahe an ihren Werten nehmen, in diesem Fall erhalten wir einen Vergleich von Fliegen mit Koteletts.

 
ivandurak:

Die Aufgabe besteht darin, einen Vektor zu finden, der den Markt in Gruppen von Aufwärtstrend, Abwärtstrend und Osttrend unterteilt.

Bilden wir zum Beispiel ein Array von Vektoren entsprechend unserer Fantasie X{x1,x2,x3,x4,x5,x6,x7}

x1= Zeitraum MA

x2= Zeitraum von MA

x3= Wert von MA

x4= Wert von RAR

x5=Dispersion z.B.

x6= Trendkomponente von MA(N)-MA(N-1)

x7=Anzahl der Schnittpunkte von MA und Preis

Wenn wir die Anordnung dieser Vektoren mit Hilfe der Kohonen-Karte clustern, sehen wir nahe Vektoren. Es stellt sich heraus, dass der größte Einfluss auf die euklidischen Abstände x1,x2,x4, x7 sein wird. Allerdings sind die Merkmale x3, x5 und x6 nicht weniger wichtig, wenn nicht sogar wichtiger. Wir können alle x-Werte im Bereich -1...1 normalisieren, aber ich sehe nicht, wie. Oder wenn wir Marktmerkmale nahe an ihren Werten nehmen, dann erhalten wir einen Vergleich von Fliegen mit Koteletts.

Pferde verwechselt, Menschen verwechselt ... Die MA-Periode, der MA-Wert...

Wenn Sie versuchen, vorgefertigte Programme und deren Hilfe zu verwenden, können Sie zunächst versuchen, die Probleme zu verstehen.

Deduktor, NS2

 
yu-sha:

Pferde, Männer ... MA-Zeitraum, MA-Wert

Vielleicht sollten Sie zunächst versuchen, fertige Programme und deren Hilfe zu nutzen, um sich in die Problematik einzuarbeiten?

Deductor, NS2.

Ich stimme zu, dass das Beispiel nicht ganz richtig ist. Wir gruppieren alte Pferde und junge Basketballspieler nach ihrer Größe, ihrem Gewicht und ihrem Alter. Gewicht=1/Echtgewicht . Wenn wir es mit einer Situation zu tun haben, in der Größe und Alter gleich sind, aber das Gewicht viel geringer ist als Größe und Alter (wir vergleichen Fliegen mit Koteletts). Es stellt sich heraus, dass das Gewicht fast keinen Einfluss auf den Vektor hat und der Basketballspieler vom Pferd nicht zu unterscheiden ist.