Redes neuronales probabilísticas, paquetes y algoritmos para MT4 - página 12

 
klot:
Renégate:
¡Caballeros!
¿Qué debemos introducir en la red neuronal? ¿Qué función de error debemos elegir?


A juzgar por el contenido, no hay mucha gente interesada. Mucha gente cree que se trata del software....

Te sugiero que empieces con la pendiente de la línea de regresión con diferentes periodos. Y puedes empezar con diferentes TFs. :)

Funcionalidad de un error - máximo beneficio.

¡Hola!
¡El ángulo de regresión lineal a la entrada, en mi opinión, es muy interesante!
Es fácil calcular el ángulo de la regla (tomar dos puntos, la arctangente y la ida). Pero será el ángulo para la TF dada. Resulta que para cada TF será un coeficiente diferente el que defina la escala vertical. ¿Cómo se resuelve este problema?
 
VBAG:
klot:
Renégate:
¡Caballeros!
¿Qué debemos introducir en la red neuronal? ¿Qué función de error debemos elegir?


A juzgar por el contenido, no hay mucha gente interesada. Mucha gente cree que se trata del software....

Te sugiero que empieces con la pendiente de la línea de regresión con diferentes periodos. Y puedes empezar con diferentes TFs. :)

Funcionalidad de un error - máximo beneficio.

¡Hola!
¡El ángulo de regresión lineal a la entrada, en mi opinión, es muy interesante!
Es fácil calcular el ángulo de la regla (tomar dos puntos, la arctangente y la ida). Pero será el ángulo para la TF dada. Resulta que para cada TF será un coeficiente diferente el que defina la escala vertical. ¿Cómo se resuelve este problema?


No es difícil introducir coeficientes para cada TF. También es posible prescindir de los coeficientes, simplemente escalar todos los valores a un rango determinado y enviarlos a la entrada del NS.

 
klot:


Introducir un coeficiente para cada TF no es difícil. También es posible prescindir de los coeficientes, simplemente escalar todos los valores a un rango determinado y alimentar la entrada NS.

Yo defino TF en inint y selecciono un coeficiente preseleccionado en consecuencia, pero no me gusta este método. No sé cómo escalarlo.

P.D. Fui a su foro para registrarme.
 
VBAG:
klot:


Introducir el coeficiente de cada TF no es difícil. También se puede prescindir de los coeficientes, simplemente escalar todos los valores a un rango determinado y alimentar la entrada NS.

Yo defino TF en inint y selecciono un coeficiente preseleccionado en consecuencia, pero no me gusta este método. No sé cómo escalarlo.

Tengo una buena sensación cuando intento abrir mi cuenta de trading.


Yo no operaría mirando un TF... operar en un TF es como cruzar el mkad a ciegas.

sobre el escalamiento

aquí hay una idea para un medio

tomar

m1 m5 m15 m30 esto es para entrar en H1 H4 D1 como tendencia dominante

en m1 m5 m15 m30 necesitas coger toda la divulgación del ventilador a la vez para 4 plazos

Es decir, MA1 M3 M5 M8 M13 M21 M34 M89 debe abrir un abanico de medias a la vez o empezar a abrirlo.

¡por cierto el apostador tiene puntos muy similares!

pero en NEUROSET necesitamos alimentar algo como 0 o 1 para cada media en cada marco temporal

Propongo como opción tomar la distancia entre los promedios para llevar a 1 si el más cercano más difícil por debajo de la luz más cercana

esta será una tendencia al alza en estos dos promedios

cuando todos los promedios en m1 m5 m15 m30 muestran 1 este es el tope de UP - entonces el análisis del TF superior

Es decir, siempre empezamos a buscar una entrada en M1 y luego subimos al TF más alto

un ejemplo de cómo escalar la distancia entre las medias

para cada media, para cada barra un array

..

AdE = 10000;

mas[0][1][ off+ _i ] = iMA(),PERIOD_M1, 5, 0 , MODE_EMA, PRICE_CLOSE, off+ _i );
tmp = mas[0][1][ off+ _i ]-mas[0][2][ off+ _i ]; // entre 5 y 8
tmp = MathCeil(AdE*tmp)/AdE; // simplificación adaptativa
if(tmp>1) tmp=1; if(tmp<-1) tmp=-1;
NN[1][1][_i+8] = tmp; // // // Poner -1 o 1 en el rango de la cuadrícula -1 ... 1

mas[0][0] [ off+ _i ]= iMA(),PERIOD_M1, 3, 0 , MODE_EMA, PRICE_CLOSE, off+ _i );

tmp = mas[0][0] [ off+ _i ]- mas[0][1][ off+ _i ]; // escala entre 5 y 3 mas
tmp = (tmp) / Punto;
tmp = MathCeil(AdE*tmp)/AdE; // simplificación adaptativa
if(tmp>1) tmp=1; if(tmp<-1) tmp=-1;

NN[1][1][_i] = tmp; // -1 o 1

Espero que entiendas lo que es una apertura total del ventilador y el punto de inicio de la apertura del ventilador

Las PNNN almacenan casi todos los datos internamente -aprendizaje rápido- pero utilizan mucha memoria y son lentas

digamos 4 timeframes promedio 1 3 5 8 13 21 34 55 89 y digamos 5 barras

5 * 9 = 45 neuronas para el marco temporal según el conjunto de promedios dado

45 * 4 = 180 neuronas para todos los TFs

se puede intentar distribuir las neuronas en capas M1 M5 M15 M30 que serán 4 capas

Yo añadiría señales de DIVERGENCIAS a la capa más cercana a la salida

 
YuraZ:
VBAG:
klot:


Introducir un coeficiente para cada TF no es difícil. También es posible prescindir de los coeficientes, simplemente escalar todos los valores a un rango determinado y alimentar la entrada del NS.

Yo defino TF en inint y selecciono un coeficiente preseleccionado en consecuencia, pero no me gusta este método. No sé cómo escalarlo.

P.D. He ido a su foro para registrarme.


Yo no operaría MIRANDO un TF... operar en un TF es como cruzar a ciegas el MKAD

a escala

aquí hay una idea para los promedios

tomar

m1 m5 m15 m30 esto es para entrar en H1 H4 D1 como tendencia dominante

en m1 m5 m15 m30 es necesario captar la apertura completa del abanico en 4 plazos a la vez

Hola Yuri, yo tampoco cambiaría el mirar un TF..... Es más, en alguna ocasión he lamentado profundamente la falta de TFs no estándar, cuya disponibilidad me habría dado la oportunidad de vigilarlos en busca de las señales más fiables. Es como un topo: no lo vemos, pero está ahí. Por ejemplo, en el minuto 30 aún no se ha abierto, y en el minuto 28 hay una señal.
Bueno, este es un tema aparte muy profundo. Hay avances en este sentido. Mi caja de jabón está en el perfil.

En cuanto a la escala, me refería a algo diferente.
Aquí he esbozado un indicador para demostrar mi pregunta que me ha estado molestando durante mucho tiempo. Dibuja una línea de regresión lineal. Supongamos que queremos medir su ángulo de inclinación, pero ¿qué escala elegir en dirección vertical (por precio)?Incluso en un TF la compresión vertical es posible:


En el indicador he introducido el factor k para el ajuste visual al gráfico necesario. En realidad el valor del ángulo en sí no tiene ningún significado, lo importante es su cambio. Pero me gustaría que
fuera un valor (no necesariamente un ángulo en grados) que tuviera la misma escala de variación para cualquier TF.
Creo que las matemáticas resuelven este problema de una manera u otra.

No puedo decir nada sobre las redes neuronales. Nunca los he diseñado yo (especialmente en C) pero me gustaría hacerlo, pero no tengo tiempo.

P.D. Me gusta su Asesor Experto en divergencias. Le deseo un buen final de campeonato.
Archivos adjuntos:
 
2 Paramon
no puede encontrar Desarrollador de NeuroDimension NeuroSolution 5.06, puede... cualquiera... ...al menos dame una pista. andrew.opeyda(perro)gmail.com
Yo tengo uno:
Vistas E
Analista Poly 46
Evolución 4.06
 
njel:
2 Paramon
no puede encontrar Desarrollador de NeuroDimension NeuroSolution 5.06, ¿puede alguien... ...al menos dame una pista. andrew.opeyda(perro)gmail.com
Yo tengo uno:
Vistas E
Analista Poly 46
Evolución 4.06

Lo mejor es conseguirlo en la página web del desarrollador, pero necesitarás un pequeño registro.
 
Más concretamente, no puedo compilar la DLL. La creación de Dll falló, incluso en el ejemplo de demostración. y NeuroSolution es el único paquete que me funciona hasta ahora. (Gracias también en este punto. ))
 

Cómo preparar los datos para la entrada de neuronas

Supongamos que hay una neurona con tres entradas, cada entrada tiene una escala W

la neurona necesita emitir un valor

La 1ª neurona de elección recibe un rango de datos ya transformados digamos { -1,0 -0,9 -0,8 -0,7 ... 0 . 0.1 0.2 ... 0,7 0,8 0,9 1. 0} para cada entrada

sólo hay dos valores de salida 0 : 1

Opción 2, la neurona recibe algún rango de datos ya transformados digamos { -10.0 ... 0 ... 10,0 } en cada entrada

la salida es también el mismo rango de valores pero incluyendo los pesos

la opción 3 recibe { 1 0 0 0 } en cada entrada en la salida en función de los pesos { 0 1 }

¿cómo se preparan los datos de conversión correctos? .... para una neurona... no puede ser sólo 1 y 0 ... ¿tiene que haber un rango?

Me refiero a la capa de entrada! Cada capa reduce los datos más y más

La idea es tener 6 estados en la salida de la red y no sólo 1 y 0

en la salida tenemos 6 estados

1 1-venta

2 1-Cierre de la venta

3 1 comprar

4 Compra de 1 cierre

5 1-aguantar comprar la tendencia al alza

6 1Mantener la venta - tendencia a la baja

tal vez me equivoque

 
qué dar como entrada y qué dar como salida depende de la función de activación
a menudo, si la función es una tangente hiperbólica, las entradas se normalizan a -1...1 o 0...1
¿pero quién en neurosolutions compiló el dll?