Künstliche neuronale Netze. - Seite 2

 
Es wäre großartig, wenn neuronale Netzkarrieren wie Urain, TheXpert, MetaDriver, sergeev an Bord kommen könnten.
 
joo:
Es wäre wirklich toll, wenn solche neuronalen Netzte hier auftauchen würden...

Haben einige von ihnen (nicht die Persönlichkeiten, sondern die "Koryphäen") ein Vermögen gemacht, oder nur in der Theorie?

 
St.Vitaliy:

Haben einige von ihnen (nicht die Persönlichkeiten, sondern die "Koryphäen") ein Vermögen gemacht, oder nur theoretisch???

Immerhin gibt es Herausforderer, die die Meisterschaft unter denjenigen gewonnen haben, die Neurozellen verwendet haben.

Oder wollen Sie mir oder meinen guten Freunden oder Bekannten etwas schenken?

 
joo:

Immerhin gibt es unter den Nutzern neuronaler Netze auch Herausforderer, die Meisterschaften gewonnen haben.

Oder wollen Sie mir oder meinen guten Freunden oder coryphaei etwas schenken?

Eine Person kann nur an dem Ort lehren oder beraten, an dem sie viel Zeit verbracht hat.

Ein guter Programmierer ist brillant im Schreiben von Programmen, wenn das Ihr oberstes Ziel ist, dann ist das alles sehr logisch. Mit dem Markt hat das aber nur wenig zu tun.

 
St.Vitaliy:

Eine Person kann Sie nur über etwas unterrichten oder beraten, mit dem sie viel Zeit verbringt.

Ein guter Programmierer ist ein hervorragender Programmierer, und wenn das Ihr oberstes Ziel ist, dann ist das absolut sinnvoll. Mit dem Markt hat das aber nur wenig zu tun.

Ich danke Ihnen. Bitte übersetzen Sie jetzt ins Russische. Ich spreche Ihren Dialekt nicht, tut mir leid, ich spreche ihn nicht.

Ich verstehe einfach nicht, ob ich ein schlechter Programmierer bin (oder umgekehrt), oder ob ich neuronale Netze nicht auf den Markt anwende, oder etwas anderes. Bitte erläutern Sie dies.

 
joo:

Ich danke Ihnen. Bitte übersetzen Sie jetzt ins Russische. Ich spreche Ihren Dialekt nicht, sorry, ich spreche nicht.

Ich verstehe nur nicht, ob ich ein schlechter Programmierer bin (oder umgekehrt), oder ob ich keine Nerven auf den Markt bringe, oder etwas anderes. Erklären Sie das bitte.

Glauben Sie mir, ich fälle keine Werturteile über Menschen. Zumindest bemühe ich mich sehr darum, nur Tatsachen zu schaffen.

Was ist die Grundlage für die Annahme, dass neuronale Netze es tatsächlich ermöglichen, stetig zu verdienen, dass die Koriferen eine erfolgreiche praktische Erfahrung haben, die nicht auf ein Preisartefakt zurückzuführen ist?

Es sieht einfach alles sehr erbärmlich aus, aber gibt es einen rationalen Grund dafür?

Aber die einfache Idee (als Beispiel), Zucker im Herbst zu kaufen und im Frühsommer zu verkaufen, ist nicht interessant...

 
07041982:

Neuronale Netze sind IMHO der schwierigste Teil des algorithmischen Handels. Hier gibt es keine Neulinge. Auch ich habe erst nach 8 Jahren Devisenhandel, nachdem ich viel Geld ausgegeben und alle möglichen Strategien und Indikatoren und alle möglichen Kombinationen davon ausprobiert habe, beschlossen, dass dies die einzige Handelsstrategie ist, die ich nicht angerührt habe. Warum habe ich es nicht schon früher versucht? Ich dachte, es sei zu kompliziert und erfordere spezielle Programme wie "neurosolutions". Das Wichtigste ist zu verstehen, wie neuronale Netze funktionieren, der Rest ist eine technische Angelegenheit.

Ich erfand meinen ersten Prototyp eines Neuronetzes in etwa einem Tag, schrieb ihn in 15 Minuten mit reinem MQL5 und trainierte ihn mit Hilfe von Optimierung. Und, oh Wunder, die Ergebnisse sind ermutigend... die Robustheit des Tanks ist über mehrere Jahre hinweg vorhanden, die Tanktests sind stabil. Jetzt bin ich mir fast sicher, dass, wenn der Gral existiert, er irgendwo in den Tiefen der neuronalen Netze versteckt ist: ihr Potenzial ist fast unbegrenzt, ich kann dort eine beliebige Anzahl von Indikatoren mit einer beliebigen Anzahl von Parametern hinzufügen... und es kann mit reinem MQL5 gemacht werden. Nachdem ich darüber nachgedacht und sie ausprobiert habe, erscheinen alle meine bisherigen Bemühungen, einen Expert Advisor aus Standardindikatoren zu erstellen, als Kinderspiel.

In diesem Thread möchte ich meine Erfahrungen auf dem Gebiet der neuronalen Netze weitergeben. Es wäre interessant, die Grundsätze des Entwurfs und der Ausbildung von Netzen in MQL5 zu erfahren. Ich warte auf Ihre Kommentare.


Soweit ich das beurteilen kann, hat niemand hier ein neuronales Netz mit nicht permanenter Architektur implementiert. Zur Erklärung: Ein Neuron kann sich mit 5 - ..... anderen Neuronen verbinden, die in den nächsten und vorherigen Schichten liegen. So wird der Begriff der Schicht ein wenig wie ein neuronales Netz mit Rückkopplungen verwischt, aber diese Verbindungen ändern sich ständig zusammen mit den Gewichtskoeffizienten, außerdem ist die Anzahl der Neuronen im Netz nicht konstant, sie sterben ab und erholen sich wieder. Es ist ein solches Analogon eines natürlichen neuronalen Netzes. Nach den Veröffentlichungen im Netz zu urteilen, ist dies eine vielversprechendere Richtung.
 

Der Vorteil von Netzwerken gegenüber Entscheidungsbäumen im Devisenhandel ist nicht offensichtlich. Es ist töricht, Netze zu nutzen, wo immer man will. Wenden Sie sie überall dort an, wo eine nichtlineare Ausgangsfunktion aus einer Eingabe bestehen kann. Lassen Sie mich ein einfaches Beispiel für die Klassifizierung geben. Angenommen, wir müssen ein System entwickeln, das verschiedene Säugetiere unterscheidet. Die Eingabe sind Informationen über die Form und Größe des gesamten Körpers und seiner Teile (Kopf, Nase, Ohren, Pfoten, Schwanz usw.). Glauben Sie wirklich, dass ein nicht lineares Modell wie Klasse = F (Schnurrbart, Pfoten, Schwanz) die Klasse des Säugetiers genauer bestimmen wird als ein Entscheidungsbaum Schnurrbart?

 
NS können verborgene Abhängigkeiten wie Muster, Ebenen usw. aufspüren und eine Vielzahl von Eingabeparametern eingeben, während man mit herkömmlichen Methoden nicht die Möglichkeit hat, so viele Parameter zu optimieren.
 

07041982:
НС могут сами находить скрытые зависимости типа паттернов, уровней и т.д. плюс в них можно запихнуть очень много входных параметров, с использованием обычных методов вам не хватит мощностей столько параметров оптимизировать

Das Netz ist ein Werkzeug, eine Art universelle nichtlineare Funktion, die für verschiedene Daten (Input-Output) optimiert (angepasst) werden kann. Diese Funktion kann keine Regelmäßigkeiten aufgreifen. Genauso gut könnte man behaupten, dass ein Polynom, das an eine glatte Kurve angepasst ist, seine versteckten Muster findet. Verlassen Sie den Datenbereich, an den die Funktion angepasst wurde, und Sie wissen, was Sie als Beispiel für eine polynomiale Regression erhalten werden. Übrigens ist die Anzahl der optimierbaren Parameter im Netz viel größer als im Entscheidungsbaum, da das Netz Unterverbindungen enthält, die keinen Einfluss auf richtige Entscheidungen haben und deren Gewichte während der Optimierung verringert werden.