Einsatz neuronaler Netze im Handel - Seite 25
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
Ich kann ein wirklich verrücktes Argument vorbringen.
Ich glaube nicht, dass Sie argumentieren werden, dass neuronale Netze viel, viel "dümmer" sind als das menschliche Gehirn.
Nun, wenn man sie beim Handel einsetzt, wird das Ganze viel einfacher.
IMHO...
Ich habe eine verrückte Idee.
Ich glaube nicht, dass Sie argumentieren werden, dass neuronale Netze viel, viel "dümmer" sind als das menschliche Gehirn.
Nun, wenn man sie im Handel einsetzt, wird das Ganze viel einfacher.
IMHO...
Warum sind Sie so besessen von diesen neuronalen Netzen? Was wollen Sie, Forex oder Neuro? :)
Was meinen Sie mit "vereinfacht das Bild als Ganzes"?
Wenn das Gehirn Analysen durchführt, sind viel mehr Neuronen beteiligt. Assoziationen, Gedächtnis, Motivation, visuelle Wahrnehmung - das alles ist viel komplexer als ein neuronales Netz. Das ist es, was ich unter dem Begriff des großen Ganzen verstehe.
Wenn ein Teil dieser Aufgaben von einem neuronalen Netz übernommen werden kann, wird das System als Ganzes einfacher und damit Ihrer Meinung nach besser.
Ein Forumsthema über neuronale Netze.
Ich bin nicht auf sie fixiert, aber ich denke, dass es eine Möglichkeit gibt, sie zu nutzen.
Ich sehe keinen Sinn darin, den Teig zu gießen, nur weil ich denke, dass es sinnvoll ist. Ich möchte Unterstützung bei der Analyse und in der Mathematik finden. Kurz gesagt, um "einen Strohhalm zu machen".
Siehe Registerkarte 24 in diesem Thread, 3. Beitrag...
Wenn das Gehirn Analysen durchführt, sind viel mehr Neuronen beteiligt. Assoziationen, Gedächtnis, Motivation, visuelle Wahrnehmung - all das ist viel komplexer als ein neuronales Netz. Das ist es, was ich unter dem Begriff des großen Ganzen verstehe.
Wenn ein neuronales Netz einige dieser Aufgaben übernehmen kann, wird das System als Ganzes einfacher und damit Ihrer Meinung nach auch besser.
Es ist nicht klar, wie Forex Snark oder einige finanzielle Zeitreihen einfacher oder besser werden können, wenn ein künstliches neuronales Netz mit weniger Neuronen als das Gehirn verwendet wird? Wie werden die Aktionen zwischen dem Gehirn und dem neuronalen Netz ausgetauscht?
Um alle meine Aussagen über neuronale Netze zusammenzufassen, kann ich allen Liebhabern von Neurofintifluffs sagen:
Es gibt Algorithmen, die einfacher und nicht weniger effektiv sind als diese sprichwörtlichen Netze.
Es ist nicht klar, wie ein künstliches neuronales Netz mit weniger Neuronen als ein Gehirn einen künstlichen Forex oder eine Art Zeitreihe vereinfachen oder verbessern kann.
Eine Analogie drängt sich auf: Der kluge, scharfsichtige Multineuralist starrte in das "Objekt" und sah viele, viele farbige Punkte. Und die Stummen und Sehbehinderten näherten sich. Er konnte die Punkte nicht sehen, sie waren für ihn unerreichbar. Aber er sah die Perspektive "im Allgemeinen" in Form des "Porträts eines jungen Mannes", zum Beispiel... Beim Studium des Materials hatte ich den Eindruck, dass je einfacher, desto besser. Dass "Mangel" besser ist als "Überfluss". Häufiger stellt sich heraus, dass Knappheit (natürlich innerhalb vernünftiger Grenzen) dazu führt, dass das Netz lernt, während ein Übermaß auswendig gelernt wird. Meine persönlichen Experimente (reine Forschungsarbeit) haben gezeigt, dass ein einfaches einschichtiges Perzeptron in nur wenigen Epochen lernt, wenn ein Muster in den dem Netz zugeführten Daten vorhanden ist. Aber wenn die Daten knapp sind, können wir mindestens zehn Schichten und ein paar Elman- (Jordaan-) Schichten und einen Gradienten von Levenberg einfügen. Und trotzdem wird nichts dabei herauskommen. Ich sollte Debugger korrigieren - Eingabedaten sind wichtig. Aber sie sind nicht für sich genommen wichtig, sondern notwendigerweise "im Verhältnis" oder "relativ". Aber als ein von Debugger beschriebener Sonderfall hat er auch seine Daseinsberechtigung. Und die "rohen" Preise können durchaus in das Netz eingespeist werden. Zum Beispiel arbeiten Approximatoren und Regressoren mit ihnen.
2 TimeMaster. Ich stimme mit Ihnen überein. Als ich anfing, mich selbst mit dem Thema Neurowissenschaften zu beschäftigen, hatte ich, wie ich mich jetzt erinnere, kein Problem mit der Frage, was ich unterrichten sollte. Die wichtigste Frage war, wie man unterrichtet. Infolge der Beherrschung des Themas löste sich die Hauptfrage auf, die erste löste sich auf. Im Moment weiß ich, wie man unterrichtet, aber ich habe keine Ahnung, was ich unterrichten soll (keine Ahnung).
Hier ist ein Beispiel... Allerdings habe ich einige Zweifel, wie dieses Beispiel zeigt. Es ist mir peinlich, so pauschal verurteilt zu werden... Ach, kommen Sie. Dies ist ein "Labor". Es handelt sich um ein normales (nicht mehr normales) einschichtiges Perzeptron.
Die Sache ist ganz einfach: Es handelt sich um eine Multiplikationstabelle )). Ich habe von Hand diese Tabelle erstellt, in der ich alle Ziffern von 1 bis 9 (von 1x9 bis 9x1) multipliziert habe, d.h. ich habe 81 Beispiele erhalten. Ich habe 16 Beispiele in eine separate Datei verschoben. Die erste Datei wird als Eingabe in das Raster eingespeist (65 Beispiele), die zweite als Kreuzvalidierung (16 Beispiele). Was ist eine Kreuzvalidierung? Es handelt sich dabei um einen Test der Trainingsfähigkeit des Gitters auf unbekannten Daten unmittelbar während des Trainings. Das linke Diagramm ist das Training. Das rechte Diagramm ist eine Kreuzvalidierung, d. h. das Gitter wird auf Daten angewendet, die das Gitter noch nie gesehen hat. Und was sehen wir? Die Kreuzvalidierung ist perfekt. Das heißt, das Raster hat vollkommen korrekte Antworten für ihm unbekannte Werke gefunden. Mit anderen Worten: Das Netz HAT gelernt. Die erste Schlussfolgerung ist also, dass das Netz lernt. Die zweite Schlussfolgerung ist, dass das "Netz lernt". Wenn das "Netz NICHT lernt", liegt das Problem also gar nicht im "Netz". Leider...