Uso de redes neuronales en el comercio - página 25
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Puedo hacer un punto realmente loco.
No creo que se pueda argumentar que las redes neuronales son mucho, mucho más "tontas" que el cerebro humano.
Pues bien, utilizarlos en el comercio simplifica mucho el panorama.
EN MI OPINIÓN...
Tengo una idea loca.
No creo que se pueda argumentar que las redes neuronales son mucho, mucho más "tontas" que el cerebro humano.
Pues bien, utilizarlos en el comercio simplifica mucho el panorama.
EN MI OPINIÓN...
¿Por qué estás tan obsesionado con estas redes neuronales? ¿Qué quieres, forex o neuro? :)
¿Qué quiere decir con "simplifica el panorama en su conjunto"?
Cuando el cerebro analiza, intervienen muchas más neuronas. Las asociaciones, la memoria, la motivación, la percepción visual, todo ello es mucho más complejo que una red neuronal. Eso es lo que pongo en el concepto de panorama general.
Si parte de estas acciones puede realizarlas una red neuronal, el sistema en su conjunto será más sencillo y, por tanto, en su opinión, mejor.
Un hilo del foro sobre redes neuronales.
No estoy obsesionado con ellos, pero creo que existe la posibilidad de utilizarlos.
No veo el punto de verter la masa, puramente en base a "creo". Quiero encontrar apoyo en el tehanálisis y las matemáticas. En resumen, para "hacer una paja".
Ver ficha 24 en este hilo 3er puesto...
Cuando el cerebro analiza, intervienen muchas más neuronas. La asociación, la memoria, la motivación, la percepción visual, todo ello es mucho más complejo que una red neuronal. Eso es lo que pongo en el concepto de panorama general.
Si una red neuronal puede hacer algunas de estas cosas, el sistema en su conjunto será más sencillo y, por tanto, en su opinión, mejor.
No está claro cómo puede simplificarse o mejorarse el snark forex o algunas series temporales financieras cuando se utiliza una red neuronal artificial con menos neuronas que el cerebro... ¿Cómo se compartirán las acciones entre el cerebro y la red neuronal?
Para resumir todas mis afirmaciones sobre las redes neuronales, puedo decir a todos los amantes de las neurofinanzas:
Hay algoritmos más sencillos y no menos eficaces que estas redes proverbiales.
No está claro cómo una red neuronal artificial con menos neuronas que un cerebro puede simplificar o mejorar una divisa artificial o algún tipo de serie temporal financiera...
Hay que hacer una analogía: el inteligente, agudo y multi-neuralista miró el "objeto" y vio muchos, muchos puntos de colores. Y los mudos y los discapacitados visuales se acercaron. No podía ver los puntos, estaban más allá de él. Pero vio la perspectiva "en general" en forma de "retrato de un joven", por ejemplo... Mientras estudiaba el material, tuve la impresión de que cuanto más sencillo, mejor. Que la "falta" es mejor que el "exceso". Más a menudo resulta que la escasez (dentro de unos límites razonables, por supuesto) hace que la red aprenda, mientras que el exceso se memoriza. Mis experimentos personales (puramente de investigación, léase, trabajo de laboratorio) han demostrado que si hay un patrón en los datos alimentados a la red, entonces un simple perceptrón de una capa aprende en sólo unas pocas épocas. Pero si los datos son ajustados, podemos poner al menos diez capas y un par de capas de Elman (Jordaan) y un gradiente de Levenberg. Y aún así no saldrá nada de ello. Debería corregir Debugger - los datos de entrada son importantes. Pero no son importantes por sí mismos, sino necesariamente "en relación" o "relativamente". Pero como caso especial descrito por Debugger también tiene derecho a existir. Y los precios "en bruto" bien pueden ser empujados a la red. Por ejemplo, los aproximadores y regresores trabajan con ellos.
2 TimeMaster. Estoy de acuerdo contigo. Cuando empecé a profundizar en el tema de la neuro, tal y como lo recuerdo ahora, no tuve ningún problema con la cuestión de qué enseñar. La cuestión principal era cómo enseñar. Como resultado del dominio del tema, la cuestión principal se disolvió, la primera se disolvió. De momento sé cómo enseñar, pero no tengo ni idea de qué enseñar (ni idea).
He aquí un ejemplo... Aunque, tengo algunas dudas, demostrando este ejemplo. Me da vergüenza que me condenen de forma tan amplia... Oh, vamos. Esto es un "laboratorio". Es un perceptrón estándar (no más estándar) de una capa.
El punto aquí es simple - es una tabla de multiplicación )). He hecho a mano esta tabla donde he multiplicado todos los dígitos del 1 al 9 (del 1x9 al 9x1), es decir, he obtenido 81 ejemplos. He movido 16 ejemplos a un archivo separado. El primer archivo se introduce en la parrilla como entrada (65 ejemplos), el segundo como validación cruzada (16 ejemplos). ¿Qué es la validación cruzada? Es una prueba de la capacidad de entrenamiento de la red en datos desconocidos inmediatamente durante el entrenamiento. El gráfico de la izquierda es de entrenamiento. El gráfico de la derecha es una validación cruzada, es decir, la ejecución de la cuadrícula con datos que la cuadrícula nunca ha visto. ¿Y qué vemos? La validación cruzada es perfecta. Es decir, la parrilla ha encontrado respuestas perfectamente correctas para obras desconocidas para ella. En otras palabras, la red HA aprendido. Así que la primera conclusión es que la red aprende. La segunda conclusión es que la "red sí aprende", así que si la "red NO aprende", el problema no está en la "red" en absoluto. Por desgracia...