L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 3381
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Il ne s'agit pas de traduction.
Il est clair que les cent ensembles dépendent du FF.
Apportez des liens, si ce n'est pas difficile (articles, livres).
Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading.
Littérature utile.
Andrey Dik, 2010.07.24 22:26
Réseaux neuronaux, algorithmes génétiques
A case study on using neural networks to perform technical.pdf
Christian L. Dunis Modelling and Trading EURUSD.pdf
ED PONSI Forex Patterns and Proabilities.pdf
Gorban A.N. Neuroinformatique. What are we, where are we going, how to measure our way.pdf
Haykin S. Kalman filtering and neural networks.djvu
Jonsson F. Markus. Finding the optimal path for vehicles on digitised maps of real terrain. Part 1.doc
Jonsson F. Markus. Finding the optimal path for vehicles on digitised maps of real terrain. Part 2.doc
Kondratenko V.V. Using Recurrent Neural Networks To Forecasting of Forex.pdf
Krose B. Une introduction aux réseaux neuronaux. 1996.djvu
Long, Parks Neural Network Modeling.djvu
Neural_Network_Trend_Predictor_Manual.pdf
Simon D. Training radial basis neural networks with the extended Kalman filter
ToshibaNeuronChip.pdf
Barskii A.B. Neural Networks Recognition, Control, Decision Making. 2004.pdf
Berkinblit M.B. Neural Networks 1993.djvu
Bastens D. Neural Networks and Financial Markets. Decision making in trading operations.djvu
Vapnik V.N. Restoration of dependencies on empirical data. 1997.djvu
Vezhnevets A. Non-Standard Neural Network Architectures.pdf
Voronovsky G.K. Genetic Algorithms, Artificial Neural Networks and Problems of Virtual Reality.pdf
Voronovsky G.K. Genetic Algorithms, Artificial Neural Networks and Problems of Virtual Reality.pdf
Galushkin A.I. Theory of Neural Networks. Book 1 2000.djvu
Goldstein B.S. Intellectual Networks. 2000.djvu
Gorban A.N. Generalised approximation theorem and deduction possibilities of neural networks.pdf
Gorbunova E.O. Algorithmic universality of kinetic machine Kirdin.pdf
Gorbunova E.O. Methods of neuroinformatics. Finitude et déterminisme de programmes simples pour la machine cinétique de Kirdin.pdf
Jain Anil K. Introduction to artificial neural networks.pdf
Dorrer M.G. Intuitive prediction by neural networks of relations in a group.pdf
Dorrer M.G. Methods of neuroinformatics. Approximation des fonctions multidimensionnelles par un prédicteur semi-couche avec des convertisseurs arbitraires.pdf
Dubrovich V.I. Subbotin S.A. Algorithme d'apprentissage accéléré de perseptrons.pdf
Ezhov A. Shumsky S. Neurocomputing and its applications in economy and business.djvu
Zhukov L.A. Use of neural network technologies for carrying out educational and research works.pdf
Zaentsev I.V. Neural networks basic models. 1999.pdf
Zakharov V.N. Khoroshevskiy V.F. Artificial Intelligence. Volume 3. Software and hardware 1990.djvu
Callan R. Basic concepts of neural networks.djvu
Kgur P.G. Neural networks and neurocomputers.pdf
Komashinsky V.I. Neural networks and their application in control and communication systems 2003.pdf
Committee NN.pdf
Korotkiy S. Hopfield and Hamming neural networks.pdf
Korotkiy S. Neural networks. Backpropagation Algorithm.pdf
Korotkiy S. Neural Networks. Learning without a teacher.pdf
Korotkiy S. Neural Networks. Fundamentals.pdf
Krisilov V.A. Kondartiuk A.V. Transformation of input data of neural networks in order to improve distinguishability.pdf
Krisilov V.A. Oleshko D.N. Methods of acceleration of training of neural networks.doc
Krisilov V.A. Chumichkin K.V. Acceleration of training of neural networks due to adaptive simplification of training sample.pdf
Krislov V.A. Representation of initial data in tasks of neural network forecasting.pdf
Kruglov V.V. Fuzzy Logic and Artificial Neural Networks.djvu
Kruglov, Borisov - Artificial Neural Networks. Theory and Practice, 2002.djvu
Kruglov, Borisov - Artificial Neural Networks. Theory and practice, 2002.txt
Liu B. Theory and practice of undefined programming 2005.djvu
McCulloch W., Pitts W. Logical calculus of ideas relating to neural activity.pdf
Markel J.D. Linear prediction of speech. 1980.djvu
Mirkes E.M. Neurocomputer. Draft standard. 1998.pdf
Modified Genetic Algorithm for Optimisation Problems in Control.pdf
Nabhan T.N. Zomaya A. On problems of creation of neural network structures for optimisation of functioning.pdf
Napalkov A. В., Pragina L.L. - Human Brain and Artificial Intelligence.docx
Oleshko D.N. Improving the Quality and Speed of Neural Networks Training in the Task of Predicting the Behaviour of Time Series.doc
Oleshko D.N. Improving the Quality and Speed of Neural Networks Training.doc
Ostrovsky S. Neural Networks for Information Processing 2000.djvu
Pavlidis T. Algorithms of Machine Graphics and Image Processing.djvu
Penrose R. The New Mind of the King. Sur les ordinateurs, la pensée et les lois de la physique. 2003.djvu
Pitenko A.A. Use of neural network technologies in solving analytical tasks in GIS.pdf
Rutkovskaya D. Neural Networks Genetic Algorithms and Fuzzy Systems.djvu
Senashova M.Yu. Neural Networks Errors. Calcul des erreurs de poids des synapses. 1998.pdf
Subbotin S.A. Neurocybernetics in USSR-CIS - Analytical review of inventions and patents.pdf
Tarasenko R.A. Choice of size of situation description at formation of training sample for neural networks in tasks of forecasting of time series.doc
Tarasenko R.A. Preliminary estimation of quality of training sample for neural networks in tasks of forecasting of time series.doc
Terekhov S.A. Technological aspects of training of neural network machines. 2006.pdf
feasibility-INVEST.gif
Tyumentsev Y.V. Intelligent Autonomous Systems - Challenge to Information Technologies.pdf
Wosserman F. Neurocomputer Engineering.doc
Wosserman F. Neurocomputer Engineering. Theory and practice.doc
Haykin S. Neural networks - full course.djvu
Tsaregorodtsev V.G. Production of semi-empirical knowledge from data tables by means of trained artificial neural networks.pdf
Le FF est le même, n'est-ce pas ?
Lorsque l'on recherche une centaine de jeux, oui. Si l'on en trouve cent par le biais du FF1, un mauvais ensemble moyen ne signifie pas qu'il n'y a pas de bon ensemble. En effet, un bon jeu moyen peut très bien être trouvé par le biais de FF2.
Les composants peuvent être évalués séparément dans un espace multifonctionnel ou tous ensemble - méta-évaluations - ou autrement - évaluations intégrales.
Les références aux travaux sur ce sujet sont intéressantes.
Si l'on cherche une centaine de jeux, oui. Si l'on en trouve une centaine grâce à FF1, un mauvais jeu moyen ne signifie pas qu'il n'y a pas de bon jeu. Parce qu'un bon set moyen peut très bien être trouvé grâce à FF2.
1)
Quelle est la contradiction ?
sélection des paramètres == recherche des paramètres dans l'algorithme d'optimisation
estimation de la métrique du modèle == FF avec l'estimation akurashi par exemple.
Quels sont les points sur lesquels vous n'êtes pas d'accord ?
Lisez ceci, en particulier la section "Loss function != quality metric". Je ne pense pas pouvoir être plus clair.
2)
Pouvez-vous préciser ce que vous considérez comme le problème ? Par exemple, je ne vois pas
Les liens vers les travaux sur ce sujet sont intéressants.
Je ne peux malheureusement pas donner de référence spécifique. J'ai donné plus haut une liste d'ouvrages, qu'il me faudra rechercher moi-même, si quelqu'un est intéressé. Je ne m'engagerai plus dans de telles activités éducatives, dans l'entretien de la bibliothèque de livres et dans leur catalogage - ce n'est pas apprécié et cela ne rapporte pas d'argent.
"Ne transpirez pas devant les porcs..."
Je ne peux malheureusement pas vous donner de référence spécifique. J'ai donné plus haut une liste d'ouvrages, que je devrai rechercher moi-même, si cela intéresse quelqu'un. Je ne participerai plus à de telles activités éducatives, à l'entretien de la bibliothèque de livres et à leur catalogage - ce n'est pas apprécié et cela ne rapporte pas d'argent.
"Ne transpirez pas devant les porcs..."
Les liens vers les travaux sur ce sujet sont intéressants.
Il y a une certaine sournoiserie. Des liens pour être sûr qu'ils s'ouvrent. Aucune personne "intéressée" ne s'y intéressera. Personne ne lira les articles mâchés d'Andrei, et encore moins les ouvrages de nature académique.
Quelqu'un a-t-il vu ce TOP facile à comprendre et capable de calculer le classement de son propre algorithme d'optimisation ?
Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading
L'apprentissage automatique en trading : théorie, modèles, pratique et algorithme de trading
mytarmailS, 2024.01.11 10:29 AM
Et aussi personne n'est confondu comme un algorithme d'optimisation top-3 ou même top-1 dans le monde, universellement reconnu et connu comme PSO, il a à la fin du classement, et quelques noms connus dont personne n'a jamais entendu parler comme les loups gris, les mauvaises herbes, etc... Il a les leaders))))https://habr.com/ru/users/belyalova/publications/articles/
entretenir une bibliothèque de livres et les cataloguer
Toute chose utile ne rapporte pas forcément de l'argent)))))