Question sur la programmation des réseaux neuronaux - page 5
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
Ok. Mais j'aimerais quand même en savoir un peu plus sur la pratique : qu'est-ce qu'on alimente à l'entrée, quelle dimension N doit-on fixer, etc. A moins, bien sûr, que ce ne soit pas un secret :) Je suis une idiote dans ce domaine, mais je suis prête à m'engager.
J'ai présenté l'indicateur ci-dessus. L'angle de pente de la régression linéaire est envoyé à l'entrée. Essayez de le faire fonctionner sur Eura 1 heure
Merci, je vais regarder :)
J'aimerais ajouter un compte Z à ce truc et ce serait bien :)
Oui. C'est une chose amusante. Merci encore, klot, j'en ai assez pour le week-end :)
Et en général, tout NS peut être facilement programmé directement dans MQL4. Vous pouvez également sélectionner les pondérations des NS en utilisant l'AG de MT4 ou les vôtres. Le pessimisme n'est défini que par le manque d'imagination et de fantaisie. En fait, il n'y a pas de limites...
Le pessimisme est défini par les limitations du testeur de stratégie, c'est-à-dire que si la gamme des valeurs d'entrée est large ou si le nombre de ces mêmes valeurs dépasse la limite, l'optimiseur refuse de démarrer. Il y a donc des limites après tout.
Aujourd'hui, j'ai enfin terminé la construction d'un réseau neuronal écrit entièrement en MQL4 avec une architecture 3:3:1 (trois neurones à l'entrée, trois entrées cachées, une sortie). Toutes les couches sont configurées à l'aide du testeur GA. Mais le problème est que pour une couche, il faut au moins 12 paramètres d'entrée, au moins avec des valeurs de -1 à 1 par pas de 1 (comme Rosenblatt). Mais l'optimiseur ne peut pas en gérer autant. J'ai dû m'esquiver et simplifier la première couche.
Contrairement à la maille de quelqu'un d'autre, celle que l'on fabrique soi-même est meilleure dans la mesure où elle peut être améliorée. Par exemple, en plus de rendre la première couche non standard, j'ai ajouté la normalisation dynamique des données d'entrée.
Les signaux aux entrées sont assez primitifs :
Malgré la primitivité mentionnée ci-dessus, la grille s'avère très facile à entraîner, c'est-à-dire que les poids et les seuils sont facilement choisis de sorte que les résultats des tests s'avèrent sans une seule erreur (aucun facteur de profit). Mais après un tel ajustement, l'essai avant commence immédiatement à s'effondrer sur l'écart. J'ai dû modifier la stratégie de négociation afin de ne pas permettre à la grille de s'ajuster.
Cela en valait la peine, même si cela m'a retourné le cerveau :
Voici les résultats du test. De 1 à 273 métiers - optimisation, poursuite des essais.
Et voici le test de l'avant :
Voici les résultats de l'essai avant :
Le plus intéressant est que même à partir du graphique, nous pouvons voir que la section d'optimisation est pire que la section avant. Cela se produit rarement. Bien que j'aie sélectionné celui-ci comme le meilleur avant parmi beaucoup d'autres, c'est-à-dire que d'autres avant ont des résultats bien pires que ceux de l'optimisation mais néanmoins ils ont les meilleurs.
Le pessimisme est déterminé par les limites du testeur de stratégie, c'est-à-dire que si les plages de valeurs d'entrée sont larges ou si le nombre de ces mêmes valeurs dépasse la limite, l'optimiseur refuse de démarrer. Il y a donc des limites après tout.
Aujourd'hui, j'ai enfin terminé la construction d'un réseau neuronal écrit entièrement en MQL4 avec une architecture 3:3:1 (trois neurones à l'entrée, trois entrées cachées, une sortie). Toutes les couches sont configurées à l'aide du testeur GA. Mais le problème est que pour une couche, il faut au moins 12 paramètres d'entrée, au moins avec des valeurs de -1 à 1 par pas de 1 (comme Rosenblatt). Mais l'optimiseur ne peut pas en gérer autant. J'ai dû m'esquiver et simplifier la première couche.
Contrairement à la maille de quelqu'un d'autre, celle que l'on fabrique soi-même est meilleure dans la mesure où elle peut être améliorée. Par exemple, en plus de rendre la première couche non standard, j'ai ajouté la normalisation dynamique des données d'entrée.
Les signaux aux entrées sont assez primitifs :
Malgré la primitivité mentionnée ci-dessus, la grille s'avère très facile à entraîner, c'est-à-dire que les poids et les seuils sont facilement choisis de sorte que les résultats des tests s'avèrent sans une seule erreur (aucun facteur de profit). Mais après un tel ajustement, l'essai avant commence immédiatement à s'effondrer sur l'écart. J'ai dû modifier la stratégie de négociation afin de ne pas permettre à la grille de s'ajuster.
Cela en valait la peine, même si cela m'a retourné le cerveau :
J'ai fait une grille normale de 256 entrées, une couche cachée par 256 neurones. Et une couche de sortie d'un neurone. Et j'ai formé tout cela parfaitement dans MT4
Il y avait une option avec trois couches cachées, mais elles étaient inutiles.