Piligrimus es un indicador de red neuronal.

 

Mientras tanto, hoy he hecho un borrador de un indicador sobre una red neuronal formalizada. A primera vista, tiene posibilidades de convertirse en un buen indicador. De todos modos, tiene un gran potencial de mejora, podemos aumentar significativamente la suavidad e introducir señales adicionales. Estoy trabajando en la depuración de un TS, no todo va bien y no tendré tiempo para realizar pruebas serias y construir mi TS con este indicador.

Si alguien está interesado en este indicador, y habrá sugerencias serias para la cooperación y la creación de TS en él, estoy listo para terminarlo para una estrategia específica, no tomará demasiado tiempo.

Archivos adjuntos:
 
¿Cuál es el punto de su indicador, camarada... se asemeja a una media ordinaria.
 
zfs >> :
¿Cuál es el punto de su indicador, camarada... se asemeja a una media ordinaria.

Supongo que el significado está en el nombre )

 
zfs >> :
¿Cuál es el punto de su indicador, camarada... se asemeja a una media ordinaria.

Abrí el código - no pude entenderlo....))

 
zfs писал(а) >>
¿Cuál es el punto de su indicador, camarada... se asemeja a una media ordinaria.

Cualquier media implica un desfase desde el punto de cálculo actual...

 
zfs писал(а) >>
¿Cuál es el punto de su indicador, camarada... >> se asemeja a una media ordinaria.

El objetivo de este desarrollo es crear un indicador con un buen suavizado y un retraso mínimo. Este indicador es sólo un punto de partida, un proyecto de estrategia que he decidido aplicar. En muchos posts describí mi enfoque para la creación de indicadores, en este decidí generalizar el material de esta dirección de mis trabajos y mostraré los resultados de este desarrollo de indicadores en el futuro, ya que estoy desarrollando esta estrategia. Creo que la mayoría de los lectores de este hilo no han tratado con redes neuronales formalizadas, mientras que yo me refiero a ellas con frecuencia.

Para forte928: Tienes razón, esto es exactamente lo que pretendo luchar. Con las Mashas normales es difícil hacer algo, cuando se implementan en redes neuronales, cuando los elementos predictivos y el sistema de retroalimentación compensatoria están incrustados en los algoritmos - hay una oportunidad de obtener un rendimiento decente.

Para luka: Esta es también una de las ventajas de este enfoque. No es necesario ser sofisticado en los métodos de protección y codificación, incluso en el código abierto es imposible desentrañar la estrategia.

 
Piligrimm, da una definición de " redes neuronales formalizadas", es más revelador.
 
Integer писал(а) >>
Piligrimm, da una definición de " redes neuronales formalizadas", es más revelador.

En este caso estoy utilizando el paquete PolyAnalyst para mi desarrollo, que me permite, después de entrenar una red neuronal, representar la relación entre entradas y salidas como un polinomio, este polinomio es la red neuronal formalizada.

 
Piligrimm >> :

En este caso estoy utilizando el paquete PolyAnalyst para mi desarrollo, que me permite, después de entrenar una red neuronal, representar la relación entre entradas y salidas como un polinomio, este polinomio es la red neuronal formalizada.

Las palabras bonitas no hacen que la imagen sea más sólida, lo que usted ofrece difícilmente hará algo sensato. Todo debe tener un sentido en la entrada y la salida. Al parecer, falta allí y allí.

 
zfs писал(а) >>
¿Cuál es el punto de su indicador, camarada... se asemeja a una media ordinaria.

De hecho, el LPF de 2º orden de Butterworth (línea roja) no muestra resultados mucho peores en comparación con su filtro de red neuronal. Por cierto, ¿dónde está el NS en el código y por qué se redibuja tu hijo? Esta es una pregunta retórica. Dado que, con el redibujado, lo que vemos en la historia no se corresponde con la realidad, surge la verdadera pregunta: ¿por qué nos muestran algo que no está realmente ahí?

 
Neutron >> :

De hecho, el LPF de 2º orden de Butterworth (línea roja) no muestra resultados mucho peores

¿Puede decirme dónde puedo conseguir un LPF de Butterworth?