"New Neural" est un projet de moteur de réseau neuronal Open Source pour la plateforme MetaTrader 5. - page 76
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
C'est probablement une question idiote.
Est-il possible de classer des vecteurs dont la dimensionnalité n'est pas égale à N avec une carte de Kohonen accordée à un vecteur de dimension N. En gros, une personne classera une sphère avec un cercle, un carré avec un cube, une pyramide avec un triangle dans une même classe. J'espère que l'idée est claire.
C'est probablement une question idiote.
Est-il possible de classer des vecteurs dont la dimensionnalité n'est pas égale à N avec une carte de Kohonen accordée à un vecteur de dimension N. En gros, une personne classera une sphère avec un cercle, un carré avec un cube, une pyramide avec un triangle dans une même classe. J'espère que l'idée est claire.
Non, l'idée n'est pas claire. Une personne lit des informations vidéo avec la même matrice d'entrées. Les récepteurs de l'œil ne sont ni plus ni moins nombreux.
Vous proposez de donner des vecteurs de différentes dimensions, comment voulez-vous que la grille réponde de manière adéquate ?
C'est probablement une question idiote.
Est-il possible de classer des vecteurs dont la dimensionnalité n'est pas égale à N avec une carte de Kohonen accordée à un vecteur de dimension N. En gros, une personne classera une sphère avec un cercle, un carré avec un cube, une pyramide avec un triangle dans une même classe. J'espère que l'idée est claire.
Si vous regardez le cône depuis le bas, c'est un cercle et depuis le côté, c'est un triangle.
Le cylindre peut également être tourné
Si vous regardez le cône depuis le bas, c'est un cercle, mais sur le côté, c'est un triangle.
Un cylindre peut également être tordu
Je suis désolé, je suis nouveau dans le domaine des neurojeux, donc ma question est peut-être idiote.
Il existe un ensemble de vecteurs X1, X2 . X1={x1,x2,x3,} . Et x1>> x3 , x2>>x3 . x1 et x2 des deux vecteurs sont approximativement les mêmes, il s'avère donc que dans l'espace ces deux vecteurs seront proches. Bien que x3 décrive la caractéristique la plus importante. Pour nos béliers x1=moyenne période, x2=période PSY, x3=dispersion, x4=composante de la tendance. Dans ce cas, la classification sera principalement basée sur x1 et x2 . Comment éviter cette situation ou suis-je en train de ralentir de manière intensive à nouveau.
Je suis désolé, je suis nouveau dans le domaine des neurojeux, donc ma question peut être stupide.
Il existe un ensemble de vecteurs X1, X2 . X1={x1,x2,x3,} . Et x1>> x3 , x2>>x3 . x1 et x2 des deux vecteurs sont approximativement les mêmes, il s'avère donc que dans l'espace ces deux vecteurs seront proches. Bien que x3 décrive la caractéristique la plus importante. Pour nos béliers x1=moyenne période, x2=période PSY, x3=dispersion, x4=composante de la tendance. Dans ce cas, la classification sera principalement basée sur x1 et x2 . Comment éviter une telle situation ou suis-je en train de ralentir de manière intensive à nouveau.
Pouvez-vous donner un exemple concret et définir une tâche spécifique ?
De cette façon, c'est plus facile de comprendre le point.
Pouvez-vous donner un exemple concret et fixer un objectif précis ?
Il est plus facile de comprendre la question.
La tâche consiste à choisir un vecteur qui diviserait le marché en groupes : tendance à la hausse, tendance à la baisse, tendance à l'est.
Par exemple, formons un tableau de vecteurs selon notre fantaisie X{x1,x2,x3,x4,x5,x6,x7}.
x1= période MA
x2= période de MA
x3= valeur de MA
x4= valeur du RAR
x5=dispersion, par ex.
x6= composante de tendance de MA(N)-MA(N-1)
x7=nombre d'intersections de la MA et du prix
Si nous regroupons le tableau de ces vecteurs en utilisant la carte de Kohonen, nous verrons des vecteurs proches. Il s'avère que les x1,x2,x4, x7 auront la plus grande influence sur les distances euclidiennes. Bien que les caractéristiques x3, x5 et x6 ne soient pas moins importantes, sinon plus. Nous pouvons normaliser tous les x dans l'intervalle -1...1, mais je ne vois pas comment. Ou vous pouvez prendre des caractéristiques du marché proches de leurs valeurs, dans ce cas nous obtenons une comparaison de mouches avec des escalopes.
La tâche consiste à trouver un vecteur qui diviserait le marché en groupes de tendance à la hausse, à la baisse et à l'est.
Par exemple, formons un tableau de vecteurs selon l'imagination X{x1,x2,x3,x4,x5,x6,x7}.
x1= période MA
x2= période de MA
x3= valeur de MA
x4= valeur du RAR
x5=dispersion, par ex.
x6= composante de tendance de MA(N)-MA(N-1)
x7=nombre d'intersections de la MA et du prix
Si nous regroupons le tableau de ces vecteurs en utilisant la carte de Kohonen, nous verrons des vecteurs proches. Il s'avère que les x1,x2,x4, x7 auront la plus grande influence sur les distances euclidiennes. Bien que les caractéristiques x3, x5 et x6 ne soient pas moins importantes, sinon plus. Nous pouvons normaliser tous les x dans l'intervalle -1...1, mais je ne vois pas comment. Ou si nous prenons des caractéristiques du marché proches de leurs valeurs, alors nous obtenons une comparaison entre les mouches et les escalopes.
Chevaux mélangés, personnes mélangées... La période MA, la valeur MA...
Si vous essayez d'utiliser des programmes prêts à l'emploi et leur aide, vous pouvez d'abord essayer de comprendre les problèmes.
Deducteur, NS2
Chevaux, hommes ... Période MA, valeur MA
Peut-être devriez-vous essayer d'abord d'utiliser des programmes prêts à l'emploi et leur aide, pour entrer dans la problématique ?
Deducteur, NS2.
Je reconnais que l'exemple n'est pas tout à fait juste. Nous regroupons les vieux chevaux et les jeunes basketteurs en fonction de leur taille, de leur poids et de leur âge. Poids=1/poids réel . Dans le cas d'une situation où la taille et l'âge sont identiques, mais où le poids est bien inférieur à la taille et à l'âge (nous comparons des mouches à des côtelettes). Il s'avère que le poids n'a pratiquement aucune influence sur le vecteur et que le joueur de basket-ball est indiscernable du cheval.