Bilder erkennen ( Rhetorisches Thema ) - Seite 12

 

denis_orlov:

думаю, именно это ты и просишь, т.к. сам конкретику представить не в состоянии.

Ich verlange gar nichts. Und ich habe nicht darum gebeten.

Ich habe Ihnen doch gesagt, dass ich Ihnen den Algorithmus nicht geben muss. Man kann mir das Ergebnis seiner Arbeit mitteilen, und ich werde das Ergebnis prüfen. Und ich werde Ihnen sagen, ob Sie mit einem solchen Algorithmus etwas anfangen können. Handelt es sich um eine Bitte oder eine Petition? Es war ein Vorschlag, der in erster Linie dem Autor des Erkennungsalgorithmus zugute kommen sollte. Wenn jemand ein gutes Erkennungsprogramm erstellen kann, aber nicht in der Lage ist, es gewinnbringend zu implementieren (es ist schwer!), sollte er direkt die Zusammenarbeit mit einem anderen Entwickler suchen.

Sie können eine Datei mit Erkennungssignalen hier in diesem Thread hochladen, und jemand anderes als ich wird versuchen, diese Signale zu verwenden, um den Algorithmus für den Einstieg und Ausstieg aus einem Handel zu testen.

Aber ich sehe, dass Sie mit Gewinn handeln? Dieses Angebot ist also nichts für Sie :)

 
gip:


Ich will damit nicht sagen, dass sie nutzlos sind, aber in meinem Fall sind sie nicht anwendbar.

Bei der Erkennung von Candlestick-Mustern geht es nicht um die Erkennung an sich, sondern um die Suche nach einfachen Mustern. Dadurch gehen mehr als 99 % der im Muster kodierten Informationen verloren.

Nun, wenn man es so betrachtet, verliert im Grunde jeder Indikator, der sich vom offiziellen Kurswert entfernt, seine Aussagekraft und macht einen Fehler. Was zum Beispiel verloren geht, ist die von Richie verwendete Candlestick-Kodierungsmethode - K= (HL, LO/HL, LC/HL). Nun stellt sich die Frage, welche Methode der Musterauswahl bei BP verwendet werden sollte.

Warum stelle ich die Frage, ich habe diese Frage schon oft bei der Bearbeitung gestellt - wie kann man ein Muster formalisieren. Ich sehe zwei Methoden, die erste ist die Kodierung - wenn wir Codes ähnlich wie Richie oder Lihovidov bilden. Die zweite Methode ist die Einführung von Randkriterien, wobei auch hier ein wichtiger Faktor verloren geht - die Zeit. Auch die Anzahl der Bilder, in denen die Figur gebildet wird, sollte berücksichtigt werden.

 
Meines Erachtens lässt sich der Begriff "Muster" hier besser in einer allgemeinen Form anwenden, nämlich als ein erkennbarer Ausschnitt aus dem Kursdiagramm. Es muss nicht unbedingt eine grafische Darstellung sein. Die Hauptsache ist, dass sie stetig erkannt wird, möglichst ohne Auslassungen und Ausfälle. Dementsprechend kann die Erkennungsmethode fast beliebig sein. Die Kodierung ist in Ordnung. Es kann viele Verschlüsselungsmethoden geben. Grafisch ist es okay. Das ist das, was ich unter den Indikatoren verstehe - auch gut. Durch Mustersuche - nein. Er arbeitet unstabil und verfehlt die meisten von ihnen. Die Vorlagensuche kann zwar anpassungsfähig sein, aber das habe ich nicht gesehen. Neuronet ist gut, aber die Ausbildung ist kompliziert, jeder bildet nur für den Handel aus. Ich glaube nicht, dass hier über den Einsatz neuronaler Netze ausschließlich zur Mustererkennung diskutiert wurde. Welche anderen Methoden können Sie sich vorstellen?
 

Das Problem ist nicht das Erkennen von Mustern (was auch immer das Wort "Muster" impliziert). Das Problem ist die Vorverarbeitung der Daten für die Analyse. Die Vorverarbeitung genießt in diesem Forum erstaunlich wenig Priorität. Alle Informationen müssen jedoch in einer Form dargestellt werden, die eine spätere Analyse ermöglicht.

Rauschen, Lücken und Spitzen sind typische Hindernisse für eine angemessene Analyse (unabhängig davon, welche Methoden verwendet werden). Lassen Sie mich eine Parallele zu einem Spiegel ziehen. Rauschen ist vergleichbar mit der Rauheit einer Spiegeloberfläche, die Reflexion wird unscharf und verschmiert. Lücken sind Risse und Verschiebungen von Teilen des Spiegels, als ob er zerbrochen wäre. Auswürfe oder ungewöhnlich große Balken (es gibt keine ungewöhnlich kleinen Balken) sind mit einem krummen Spiegel vergleichbar. Und einige Teile der Reflexion sind unverzerrt, während andere bis zur Unkenntlichkeit verzerrt sind.

Diese drei Probleme müssen getrennt voneinander gelöst werden. Und dann können wir über Mustererkennung sprechen.

"Nehmen wir nicht manchmal aus dem Zusammenhang, was nicht aus dem Zusammenhang genommen werden sollte, um das Wesentliche des Ganzen zu verstehen?" mit "Ich
 
Ich gehe die Sache aus einem anderen Blickwinkel an, ich mache keine Vorverarbeitung, ich versuche, die Erkennung auf sauberen Daten durchzuführen. Und nach der Erkennung nehme ich die Nachbearbeitung vor. Warum sollte ich das Gap oder den Spike ausblenden, wenn es Informationen über den Markt enthält? Man kann es ausblenden, aber wenn wir es erkannt und uns daran erinnert haben.
 

Versuchen Sie, ein Foto des defekten Spiegels (über den ich geschrieben habe) zu machen und eine Art Mustererkennungssystem auf das Foto anzuwenden. Vielleicht erkennen Sie sich im Spiegelbild nicht wieder, geschweige denn das "glitschige Eisen".

PS Jeder der Spiegelfehler enthält Informationen, aber nicht über das ursprüngliche Licht, das vom Spiegel reflektiert wurde, sondern über die Ursachen der Fehler (Urlaub und andere Faktoren).

 

Es gibt noch weitere Phänomene, die mein Argument stützen. Das menschliche Gehirn verfügt über "eingebaute" Filter für Informationen aus den Sinnesorganen. So kann man sich auch an einem sehr lauten Ort problemlos unterhalten, selbst wenn sich in der Nähe Hunderte von anderen Menschen unterhalten. Die Vision hat die gleiche Eigenschaft. Das Gehirn ist in der Lage, sich auf ein einzelnes Bildelement inmitten der verrauschten Elemente zu konzentrieren - Captcha ist ein Beispiel dafür.

Ist der manuelle Handel deshalb so schwer zu formalisieren? Ist das der Grund, warum manuelle Händler einem einzigen Handelsinstrument viel Aufmerksamkeit widmen und ihre Gehirnfilter schärfen?

 
gip:
Meines Erachtens lässt sich der Begriff "Muster" hier besser in einer allgemeinen Form anwenden, nämlich als ein erkennbarer Ausschnitt aus dem Kursdiagramm. Es muss nicht unbedingt eine grafische Darstellung sein. Die Hauptsache ist, dass sie kontinuierlich erkannt wird, möglichst ohne Auslassungen und Ausfälle. Dementsprechend kann die Erkennungsmethode fast beliebig sein. Die Kodierung ist in Ordnung. Es kann viele Verschlüsselungsmethoden geben. Grafisch ist es okay. Das ist das, was ich unter den Indikatoren verstehe - auch gut. Durch Mustersuche - nein. Er arbeitet unstabil und verfehlt die meisten von ihnen. Die Vorlagensuche kann zwar anpassungsfähig sein, aber das habe ich nicht gesehen. Neuronet ist gut, aber die Ausbildung ist kompliziert, jeder bildet nur für den Handel aus. Ich glaube nicht, dass hier über den Einsatz neuronaler Netze ausschließlich zur Mustererkennung diskutiert wurde. Welche anderen Methoden können Sie sich vorstellen?
Mmmm ... Ein Muster ist eine Art Datenmuster, das sich im Laufe der Zeit wiederholt und bestimmte Kriterien erfüllt. Was mich betrifft, so kann es zwei Arten von Mustern geben, wenn wir eine Untergruppe von Kerzen betrachten, die ein Muster bilden (ich verstehe, dass der Begriff Muster manchmal verwendet wird - obwohl ich nicht der Meinung bin, dass dies die richtige Definition ist). Option 2, Grenzkriterien + Zeitintervall und sagen wir für ZZ/MA/EMA kann ein Muster bilden. Wenn klar definiert ist, wie das Muster beschrieben werden soll, lohnt es sich, eine Erkennungs-/Klassifizierungsmethode zu wählen, die der Problemstellung so weit wie möglich gerecht wird.
 
joo:

Es gibt noch weitere Phänomene, die mein Argument stützen. Das menschliche Gehirn verfügt über "eingebaute" Filter für Informationen aus den Sinnesorganen. So kann man sich auch an einem sehr lauten Ort problemlos unterhalten, selbst wenn sich in der Nähe Hunderte von anderen Menschen unterhalten. Die Vision hat die gleiche Eigenschaft. Das Gehirn ist in der Lage, sich auf ein einzelnes Bildelement unter lauten Elementen zu konzentrieren; Captcha ist ein Beispiel dafür.

Ist das nicht der Grund, warum der manuelle Handel schwer zu formalisieren ist? Ist das der Grund, warum "manuelle Händler" einem einzigen Handelsinstrument viel Aufmerksamkeit widmen, während sie ihre Gehirnfilter schärfen?

Ich bin anderer Meinung :) Nach Arbeiten der Nobelpreisträger auf dem Gebiet der Medizin Torsten Nils Wiesel und David H. Hubel, die Studien über die Sehrinde der Katze durchgeführt haben, die festgestellt haben, dass es sogenannte einfache Zellen gibt, die besonders stark auf gerade Linien in verschiedenen Winkeln reagieren, und komplexe Zellen, die auf die Bewegung von Linien in einer Richtung reagieren, d.h. das Gehirn führt die Trennung von Merkmalen durch. Auf dieser Grundlage wurde eine ganze Klasse von NS, die so genannten Faltungsnetze, entwickelt, die auf einem Faltungsmechanismus beruhen. Also hier ist die interessanteste, dass diese Klasse von NS zeigt einige der besten Leistung in der Bilderkennung mit Verzerrung (es geht um die Kurve Spiegel und Verzerrung) ist sehr gut in den Arbeiten von Dr. Jan LeCun gezeigt. Aber man kann keine Faltungsnetze auf BP-Forex anwenden :) Netze sind gut bei der Erkennung verzerrter Daten, aber schlecht bei der Bildrekonstruktion.

 
joo:

Es gibt noch weitere Phänomene, die mein Argument stützen. Das menschliche Gehirn verfügt über "eingebaute" Filter für Informationen aus den Sinnesorganen. So kann man sich auch an einem sehr lauten Ort problemlos unterhalten, selbst wenn sich in der Nähe Hunderte von anderen Menschen unterhalten. Die Vision hat die gleiche Eigenschaft. Das Gehirn ist in der Lage, sich auf ein einzelnes Bildelement inmitten der verrauschten Elemente zu konzentrieren - Captcha ist ein Beispiel dafür.

Nein. Es gibt keine Filter. Die Erkennung erfolgt direkt aus dem verrauschten Datenstrom. Wo haben Sie über Filter gelesen? Der beste Weg, den Hörmechanismus zu verstehen, ist, darüber zu lesen. Dort beginnt die Erkennung sofort, zunächst auf einer niedrigen "Hardware"-Ebene, der Ton wird auf eine bestimmte Weise kodiert und dann in diesen Signalcode umgewandelt, der auf einer höheren Ebene erkannt wird. Die Analogie ist unvollständig, trifft aber das Wesentliche. Das Prinzip der Trennung nützlicher Informationen ist nicht das Filtern (Chunking) des Datenstroms und die Erkennung im Datenstrom, sondern PIC-Erkennungsschleifen, die auf die am besten geeigneten Bilder reagieren, d. h. die Auswahl der am besten geeigneten Bilder aus dem Datenstrom.