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
Am Eingang A,B,C,D,E,F,g,h,I, Ziel - M
Aktivierungsfunktion der versteckten Schicht tanh
Drei Punkte aus jeder Datenreihe, Sie gaben drei Reihen, insgesamt 3 * 3 = 9 Eingangsneuronen.
Ich habe mit allen von Ihnen angegebenen Daten trainiert. Und ich habe Beispiele für die 6502-Schulung erhalten.
Хорошо, чуть позже (часа через 2-3), попробую обоснованно показать, каким образом профит (или что то другое, не важно, что мы хотим получить от сети) зависит от фитнес функции. А гарантию того, что мы получим профит в будующем, конечно, никто дать никогда не сможет. А вот к чему стремится должна сетка, пожалуй, мы должны определять для неё однозначно.
Aufgabe:
Nehmen wir an, wir haben drei Raster/TCs. Sie werden jeweils an einem Datensatz mit 10 Lernvorgängen getestet. Die Tabelle zeigt die abstrakten Zielwerte (optimierbar). Wir interessieren uns für das Gitter/TS, das so oft wie möglich die kleinsten Werte der Zielfunktion erzeugt. Es spielt keine Rolle, welchen Optimierungsalgorithmus (AO) wir verwenden werden.
Beispiel1
Alle AOs haben die gleiche Summe von Fehlern. Wir sehen, dass AO, wenn wir den quadratischen Fehler verwenden, TC #3 wählen wird, weil er den kleinsten Wert hat.
Wenn der quadratische Fehler verwendet wird, wählt AO TC #2, und das Gleiche gilt, wenn der Median verwendet wird.
Beispiel2
Die Situation hier ist noch interessanter.
Auf der einen Seite hat TC#1 keine schlechte Punktzahl, aber der Fehler von 200 trübt das Bild. TC3 hat stabile Ergebnisse, wenn auch nicht die besten.
Auch hier zeigt sich, dass AS sich für TC3 entscheidet, wenn wir den mittleren quadratischen Fehler verwenden, da er die niedrigste Punktzahl hat.
Und wenn wir den quadratischen Fehler verwenden, wird AO CU #2 wählen, aber im Median wird die Wahl bei CU #1 enden.
Schlussfolgerungen.
Wenn das Ziel des Netztrainings darin besteht, eine Kurve zu erhalten, die der Zielkurve am ähnlichsten ist, dann sollte der quadratische Fehler verwendet werden (Aufgaben der Annäherung)
Wenn das Ziel des Trainings des Netzes darin besteht , so oft wie möglich die kleinsten/geringsten Werte der Zielfunktion zu erhalten, sollten Sie den quadratischen Fehler verwenden (Klassifizierungs-/Clustering-Probleme).
Посмотрел, теперь понял почему у Вас 6-ой знак. Вы брали данные из будущего) целых 2 точки, которых в реале не существует) Фактически ваша сеть делала прогноз столбца М1 зная столбы А2 и А3))) Отсюда и рост точности. Хотя заметьте, дали данные из будушего (такая некислая подсказка прямо скажем), а точность выросла с 2-005 до 7-006)))) Забавно.
Die Reihenfolge, in der Sie mir die Daten gegeben haben, entspricht der Reihenfolge, in der die Ausbildung durchgeführt wurde. Wenn Sie die Daten in umgekehrter Reihenfolge verwenden können, sollten Sie das gleiche Ergebnis erhalten. Es handelt sich um ein Näherungsproblem, und es macht keinen Unterschied, in welche Richtung man trainiert.
В догонку. Не рекомендую вообще использовать тангенсы в статистике. Эти ребята творят чудеса. Они мне как то раз спрогнозировали цену на 25 баров вперед с апупительной точностью. Я сначала долго искал ошибку, а потом понял, что эти умельцы, тупо подогнали результат, но было чень красиво)))) Я использую только identity он наиболее точно описывают те кзадачи, которые я ставлю и не страдают подгонкой на истории.
Speichern Sie den Code in C++, sehen Sie sich ihn an, es gibt keine Wunder.
PS: Ich verwende Statistica nicht für den Handel.
Sehen Sie sich die beigefügte Datei an.
Werden die Werte daraus direkt an den NS-Eingang gesendet oder werden sie normalisiert?
Ich habe im fxexpert.ru-Forum unter dem Thema "Neural Network Principles of MTS Creation" verstanden, dass sie schließlich zu einem Ergebnis gekommen sind,
Dass es notwendig ist, die Werte zu normalisieren und nicht die Indikatorwerte oder Kurse direkt zu nehmen, sondern deren Veränderungen.
Посмотрел вложенный файл.
Значения из него непосредственно подаются на вход НС, или всетаки нормируются?
На форуме fxexpert.ru в теме" Нейросетевые принципы создания МТС" я так понял,в конечном итоге пришли к выводу,
что необходимо обязательно значения нормировать, и брать не непосредственные значения индикаторов или котировок, а их изменение.
Dies wurde bereits in diesem Thread erörtert. Der Top-Starter wollte genau so arbeiten, wie er es tut.
Wenn das Ziel des Trainings des Netzes darin besteht, eine Kurve zu erhalten, die der Zielkurve am ähnlichsten ist, sollte der mittlere quadratische Fehler verwendet werden (Approximationsaufgaben).
Wenn das Ziel des Trainings eines Netzes darin besteht, so oft wie möglich die kleinsten/geringsten Werte der Zielfunktion zu erhalten, müssen Sie den quadratischen Fehler verwenden (Klassifizierungs-/Clustering-Aufgaben)