Neuronale Netze. Fragen an die Experten.
1) Das Gitter ist in der Lage, die Funktion wiederherzustellen, wenn die Eingabedaten sie enthalten. Wenn im letzten Experiment der Periodenwert von der Volatilität abhängt, sollte das Raster eine Schätzung dieser Volatilität enthalten, d. h. Sie haben möglicherweise nicht alle für die Wiederherstellung erforderlichen Daten geliefert.
2) Sie können alles, was Sie brauchen, aus MLP herausholen. Verwenden Sie andere Netzwerke, wenn Sie mathematisch beweisen können, dass eine andere Architektur besser ist als MLP.
3) NS2 - schnelles, qualitativ hochwertiges Ergebnis, leicht zu übertragen...
Das ist nicht einmal das Hauptproblem. Nun gut, Sie haben dem Raster beigebracht zu verstehen, dass 2x2=4 ist, und sogar, dass ein einfaches Muwing das arithmetische Mittel der Preise ist. Aber wie bringt man dem Raster bei, Vorhersagen zu treffen? Hier stellt sich vor allem die Frage nach der geistigen Leistungsfähigkeit des Netzes.
Der Fehler bei der Testversion nimmt nicht mehr ab... Ich mache normalerweise mindestens 3-5 Trainings, vielleicht auch mehr, wenn das Ergebnis wichtiger ist, mit der Auswahl von Neuronen in Schichten, genauer gesagt in einer Schicht. ein paar Trainings, um die Verbreitung und das Minimum zu sehen.
Wenn der Fehler im Test nicht mehr abnimmt, handelt es sich meiner Meinung nach höchstwahrscheinlich um Übertraining. Wie verhält sich das Netz in der Rückkopplungsschleife, wenn der Fehler in der Testschleife so minimal ist?
Wenn der Fehler im Test nicht mehr abnimmt, handelt es sich meiner Meinung nach höchstwahrscheinlich um Übertraining. Wie verhält sich das Netz in OOS, mit solch minimalen Fehlern auf dem Testgerät?
Wenn die Neuronen richtig ausgewählt werden, verhält sich das Netz absolut gleich wie beim Training, mehr noch, mit einer 200 000er Stichprobe wird das gleiche Ergebnis mit einer viel kleineren Trainingsstichprobe (mehr als 5 mal kleiner) erzielt.
D.h. manchmal können wir durch die Auswahl von Neuronen die Fehler der Test- und Trainingsstichprobe ausgleichen.
Wenn die Neuronen falsch ausgewählt werden, ist der Fehler im Test etwas größer, bleibt aber auf der "allgemeinen" Stichprobe.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Meine Herren, guten Tag. Eine Frage an die Experten auf dem Gebiet der neuronalen Netze. Die Quintessenz ist folgende. Ich installierte Statisctica und begann meine Forschung mit automatischen neuronalen Netzen. Mehrschichtiges Perspetron. Setzen Sie sich ein Ziel, um zu verstehen, wie intelligent neuronale Netze bei der Suche nach Mustern sind. Was habe ich getan? Ich habe den üblichen LVSS (linear gewichteter Durchschnitt) für die letzten 20 Balken genommen. Ich habe den letzten Wert des LSS als Ziel (Output) angegeben und die letzten 20 Punkte, von denen der aktuelle Wert des LSS abhängt. Eine Person, die die letzten 20 Punkte und die Formel zur Berechnung des LVLS kennt, kann natürlich 100 % des Wertes wiederherstellen. Das Raster kannte die Formel nicht, und seine Aufgabe bestand darin, sie auf seine eigene Weise zu verstehen. Ergebnis: Der Stapel hat das LFSS zu 100 % wiederhergestellt, d. h. er hat verstanden, wie das LFSS angeordnet ist. Wir können davon ausgehen, dass es die Aufgabe perfekt bewältigt hat, d. h. wenn es ein Muster gibt, findet das Netz es auch wirklich. Dann wurde ein ähnliches Experiment mit EMA, SAR und Oszillatoren durchgeführt. Das Ergebnis ist das gleiche. 100%. Daraufhin beschloss ich, die Aufgabe zu verkomplizieren. Ich habe den adaptiven Durchschnitt genommen. Ich möchte Sie daran erinnern, dass der Mittelwertbildungsparameter in Abhängigkeit von der Marktvolatilität geändert wird. Die Volatilität wird ihrerseits für eine bestimmte Anzahl von Stäben berechnet. Ich habe alle notwendigen Balken eingegeben, um das ACS zu erstellen und das Netz zu starten. Das Ergebnis war viel schlechter als 100 %, obwohl eine Person, die die ACC-Formel kennt und über alle Punkte verfügt, in der Lage wäre, den ACC zu 100 % zu erstellen. Eigentlich ist das Netz gescheitert, denn es handelt sich um automatische neuronale Netze.
Schlussfolgerungen und Fragen an die Sachverständigen auf diesem Gebiet.
1) Habe ich es richtig verstanden, dass ein neuronales Netz nicht in der Lage ist, eine Funktion zu rekonstruieren, wenn sie inhärent dynamisch ist, wie im Fall von ACC, selbst wenn ich alle notwendigen Daten für die Berechnung habe, denn wenn die Formel starr statisch ist, wie im Fall von LVSS oder EMA, gibt es kein Problem.
2) Wenn ich falsch liege, welche Netze sollten verwendet werden? Und verwendet MLP in der Statistik.
3) Ich habe die Meinung gehört, dass es zwischen automatischen Netzen und Netzen mit eigenem e.... Design, wenn ich das so sagen darf, im Grunde keinen großen Unterschied gibt. Ist dies wirklich der Fall?
4) Welche Netzwerke und welche Programme würden Sie für die Anwendung auf den Finanzmärkten empfehlen, insbesondere für die von mir beschriebene Aufgabe, d.h. die Wiederherstellung von Werten aus allen bekannten Daten.
Hochachtungsvoll, mrstock