Réseaux neuronaux probabilistes, paquets et algorithmes pour MT4 - page 12
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
Messieurs !
Que devons-nous donc introduire dans l'entrée du réseau neuronal? Quelle erreur fonctionnelle choisirons-nous ?
À en juger par le contenu, peu de gens sont intéressés. Beaucoup de gens pensent qu'il s'agit du logiciel.....
Je vous suggère de commencer par la pente de la ligne de régression avec différentes périodes. Et vous pouvez commencer avec différentes TF. :)
Fonctionnalité d'une erreur - profit maximum.
L'angle de régression linéaire à l'entrée, à mon avis, est très intéressant !
Il est facile de calculer l'angle de la règle (prendre deux points, arctangente et aller). Mais ce sera l'angle pour le TF donné. Il s'avère que pour chaque TF, c'est un coefficient différent qui définit l'échelle verticale. Comment résoudre ce problème ?
Messieurs !
Que devons-nous donc introduire dans l'entrée du réseau neuronal? Quelle erreur fonctionnelle choisirons-nous ?
À en juger par le contenu, peu de gens sont intéressés. Beaucoup de gens pensent qu'il s'agit du logiciel.....
Je vous suggère de commencer par la pente de la ligne de régression avec différentes périodes. Et vous pouvez commencer avec différentes TF. :)
Fonctionnalité d'une erreur - profit maximum.
L'angle de régression linéaire à l'entrée, à mon avis, est très intéressant !
Il est facile de calculer l'angle de la règle (prendre deux points, arctangente et aller). Mais ce sera l'angle pour le TF donné. Il s'avère que pour chaque TF, c'est un coefficient différent qui définit l'échelle verticale. Comment résoudre ce problème ?
Il n'est pas difficile d'introduire des coefficients pour chaque TF. Il est également possible de se passer de coefficients, en mettant simplement toutes les valeurs à l'échelle dans une plage donnée et en les envoyant à l'entrée du NS.
La saisie d'un coefficient pour chaque TF n'est pas difficile. Il est également possible de se passer de coefficients, en mettant simplement toutes les valeurs à l'échelle dans une plage donnée et en les envoyant à l'entrée NS.
P.S. Je suis allé sur votre forum pour m'inscrire.
Entrer le coefficient pour chaque TF n'est pas difficile. Vous pouvez également vous passer de coefficients, en mettant simplement toutes les valeurs à l'échelle dans une plage donnée et en les transmettant à l'entrée NS.
J'ai un bon pressentiment quand j'essaie d'ouvrir mon compte de trading.
Je ne traderais pas en regardant une seule TF... trader sur une TF c'est comme traverser aveuglément le mkad.
sur la mise à l'échelle
voici une idée pour un support
prendre
m1 m5 m15 m30 c'est pour entrer en H1 H4 D1 comme tendance dominante.
sur m1 m5 m15 m30 vous devez attraper la divulgation complète du ventilateur en une seule fois pour 4 cadres temporels
i.e. MA1 M3 M5 M8 M13 M21 M34 M89 devrait ouvrir un éventail de moyennes en une fois ou commencer à l'ouvrir !
d'ailleurs le parieur a des points très similaires !
mais dans NEUROSET, nous devons introduire quelque chose comme 0 ou 1 pour chaque moyenne dans chaque période.
Je propose comme option de prendre la distance entre les moyennes pour amener à 1 si la plus proche plus difficile en dessous de la plus proche lumière
il s'agira d'une tendance à la hausse sur ces deux moyennes.
quand toutes les moyennes sur m1 m5 m15 m30 montrent 1 c'est le sommet UP - alors l'analyse du TF plus élevé
c.-à-d. que nous commençons toujours à chercher une entrée sur M1, puis nous montons jusqu'au TF supérieur.
exemple de mise à l'échelle de la distance entre les moyennes
pour chaque moyenne, pour chaque barre un tableau
..
AdE = 10000 ;
mas[0][1][ off+ _i ] = iMA(),PERIOD_M1, 5, 0 , MODE_EMA, PRICE_CLOSE, off+ _i ) ;
tmp = mas[0][1][ off+ _i ]-mas[0][2][ off+ _i ] ; // entre 5 et 8
tmp = MathCeil(AdE*tmp)/AdE ; // simplification adaptative
si(tmp>1) tmp=1 ; si(tmp<-1) tmp=-1 ;
NN[1][1][_i+8] = tmp ; // // // mettre -1 ou 1 dans la plage de la grille -1 ... 1
mas[0][0] [ off+ _i ]= iMA(),PERIOD_M1, 3, 0 , MODE_EMA, PRICE_CLOSE, off+ _i ) ;
tmp = mas[0][0] [ off+ _i ]- mas[0][1][ off+ _i ] ; // échelle entre 5 et 3 mas
tmp = (tmp) / Point ;
tmp = MathCeil(AdE*tmp)/AdE ; // simplification adaptative
si(tmp>1) tmp=1 ; si(tmp<-1) tmp=-1 ;
NN[1][1][_i] = tmp ; // -1 ou 1
J'espère que vous avez compris ce qu'est une ouverture complète du ventilateur et le point de départ de l'ouverture du ventilateur.
Les PNNN stockent presque toutes les données en interne - apprentissage rapide - mais utilisent beaucoup de mémoire et sont lents.
disons que la moyenne de 4 trames temporelles 1 3 5 8 13 21 34 55 89 et disons 5 barres
5 * 9 = 45 neurones pour le cadre temporel selon le jeu de moyennes donné
45 * 4 = 180 neurones pour toutes les TFs
vous pouvez essayer de distribuer les neurones dans les couches M1 M5 M15 M30 ce qui fera 4 couches
J'ajouterais des signaux de DIVERGENCE à la couche la plus proche de la sortie.
La saisie d'un coefficient pour chaque TF n'est pas difficile. Il est également possible de se passer de coefficients, en mettant simplement toutes les valeurs à l'échelle dans une plage donnée et en les envoyant à l'entrée du NS.
P.S. Je suis allé sur votre forum pour m'inscrire.
Je ne traderais pas en REGARDANT une seule TF... trader sur une TF, c'est comme traverser aveuglément la MKAD.
mise à l'échelle
voici une idée de moyenne
prendre
m1 m5 m15 m30 c'est pour entrer dans H1 H4 D1 comme tendance dominante.
sur m1 m5 m15 m30 il faut attraper l'ouverture complète du ventilateur sur 4 timeframes à la fois
Eh bien, c'est un sujet distinct très profond. Il y a des évolutions dans ce sens. Ma tribune est dans le profil.
Quant à l'échelle, je voulais dire quelque chose de différent.
J'ai esquissé ici un indicateur pour démontrer la question qui me préoccupe depuis longtemps. Il dessine une ligne de régression linéaire. Supposons que nous voulions mesurer son angle de pente, mais quelle échelle devons-nous choisir verticalement (par prix) ?Même sur un TF la compression verticale est possible :
Dans l'indicateur j'ai introduit le facteur k pour l'ajustement visuel au graphique nécessaire. En fait la valeur de l'angle lui-même n'a pas de signification, ce qui est important c'est son changement. Mais je voudrais que
soit une valeur (pas nécessairement un angle en degrés) ayant la même échelle de variation pour tout TF.
Je pense que les mathématiques résolvent ce problème d'une manière ou d'une autre.
Je ne peux rien dire sur les réseaux neuronaux. Je n'en ai jamais conçu moi-même (surtout en C) mais j'aimerais bien le faire, mais je n'ai pas le temps.
P.S. J'aime bien votre Expert Advisor sur les divergences. Je vous souhaite une bonne fin de championnat.
ne peut pas trouver NeuroDimension NeuroSolution 5.06 Développeur, peut... n'importe qui... ...au moins donne-moi un indice. andrew.opeyda(dog)gmail.com
J'en ai un :
E vues
Poly Analyste 46
Evolver 4.06
2 Paramon
ne peut pas trouver NeuroDimension NeuroSolution 5.06 Développeur, peut... n'importe qui... ...au moins donne-moi un indice. andrew.opeyda(dog)gmail.com
J'en ai un :
E vues
Poly Analyste 46
Evolver 4.06
Le mieux est de l'obtenir sur le site Web du développeur, mais il faut s'enregistrer un peu.
Comment préparer les données pour l'entrée des neurones !
Supposons qu'il y ait un neurone avec trois entrées, chaque entrée a une échelle W
le neurone doit sortir une valeur
Le neurone de 1er choix reçoit une certaine gamme de données déjà transformées, disons { -1.0 -0.9 -0.8 -0.7 .... 0 . 0.1 0.2 ... 0.7 0.8 0.9 1. 0} pour chaque entrée
il n'y a que deux valeurs de sortie 0 : 1
Option 2, le neurone reçoit une certaine plage de données déjà transformées, disons { -10.0 .... 0 ... 10.0 } sur chaque entrée
la sortie est également la même plage de valeurs mais avec des poids.
l'option 3 reçoit { 1 0 0 0 } sur chaque entrée dans la sortie en fonction des poids { 0 1 }
comment préparez-vous les données de conversion correctes ? .... pour un neurone... ça ne peut pas être juste 1 et 0 ... Il doit y avoir une fourchette ?
Je parle de la couche entrante ! Chaque couche réduit les données de plus en plus.
L'idée est d'avoir 6 états dans la sortie du réseau et pas seulement 1 et 0.
à la sortie, nous avons déjà 6 états
1 1-vendeur
2 1-clôture de la vente
3 1 acheter
4 1-close acheter
5 1-hold acheter la tendance à la hausse
6 1Maintien de la vente - tendance décroissante
Je me trompe peut-être
souvent si la fonction est une tangente hyperbolique, les entrées sont normalisées à -1...1 ou 0...1
mais qui, dans les neurosolutions, a compilé la dll ?