1) La grille est capable de récupérer la fonction si les données d'entrée la contiennent. Si dans la dernière expérience, la valeur de la période dépend de la volatilité, alors la grille aurait dû donner une estimation de cette volatilité, c'est-à-dire que vous n'avez peut-être pas fourni toutes les données nécessaires à la récupération.
2) Vous pouvez extraire tout ce dont vous avez besoin de MLP. Utilisez d'autres réseaux lorsque vous pouvez prouver mathématiquement que l'utilisation d'une autre architecture est meilleure que MLP.
3)NS2 - rapide, résultat de qualité, facile à transférer partout...
L'erreur sur le test un cesse de diminuer... J'ai l'habitude de faire au moins 3-5 entraînements, peut-être plus quand le résultat est plus important, avec une sélection de neurones dans les couches, plus précisément dans une couche. Quelques entraînements pour voir la répartition et le minimum.
À mon avis, lorsque l'erreur sur le test un cesse de diminuer, il s'agit très probablement d'un surentraînement. Comment le réseau se comporte-t-il en mode OOS, avec une erreur aussi minime sur le test ?
Si les neurones sont sélectionnés correctement, le réseau se comporte absolument de la même manière que celui de l'entraînement, d'autant plus qu'avec un échantillon de 200 000, le même résultat est obtenu avec un échantillon d'entraînement beaucoup plus petit (plus de 5 fois plus petit).
C'est-à-dire que parfois, en sélectionnant des neurones, nous pouvons égaliser les erreurs des échantillons de test et de formation.
Si les neurones sont mal sélectionnés, l'erreur dans le test un est un peu plus grande mais reste sur l'échantillon "général".
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Vous acceptez la politique du site Web et les conditions d'utilisation
Messieurs, bon après-midi. Une question pour les experts dans le domaine des réseaux neuronaux. L'essentiel est là. J'ai installé statistica et j'ai commencé mes recherches avec les réseaux neuronaux automatiques. Perspetron multicouche. Fixez-vous comme objectif de comprendre l'intelligence des réseaux neuronaux dans la recherche de modèles. Qu'est-ce que j'ai fait ? J'ai pris la LVSS (moyenne pondérée linéairement) la plus habituelle pour les 20 dernières barres. J'ai donné la dernière valeur du LSS comme cible (sortie) et les 20 derniers points dont dépend la valeur actuelle du LSS. Il est évident qu'une personne connaissant les 20 derniers points et la formule de calcul du LVLS serait en mesure de lui redonner 100% de sa valeur. La grille ne connaissait pas la formule et sa tâche consistait à la comprendre à sa manière. Résultat : la pile a restauré le SFT de 100%, c'est-à-dire qu'elle a compris comment le SFT est organisé. Nous pouvons considérer qu'il s'est parfaitement acquitté de la tâche, c'est-à-dire que s'il existe un modèle, le filet le trouve vraiment. Ensuite, une expérience similaire avec EMA, SAR et oscillateurs a été réalisée. Le résultat est le même. 100%. Après cela, j'ai décidé de compliquer la tâche. J'ai pris la moyenne adaptative. Je vous rappelle qu'il modifie le paramètre de moyenne en fonction de la volatilité du marché. La volatilité, à son tour, est calculée pour un certain nombre de barres. J'ai entré toutes les barres nécessaires pour construire l'ACS et démarrer la grille. Le résultat était bien pire que 100%, même si une personne connaissant la formule de l'ACC et possédant tous les points serait capable de construire l'ACC à 100%. En fait, le réseau a échoué, nous parlons de réseaux neuronaux automatiques.
Conclusion et questions aux experts en la matière.
1) Ai-je bien compris qu'un réseau neuronal est incapable de reconstruire une fonction si elle est intrinsèquement dynamique comme dans le cas du CAC, même si je dispose de toutes les données nécessaires au calcul, car si la formule est rigidement statique comme dans le cas du LFSS ou de l'EMA, je n'ai aucun problème.
2) Si je me trompe, quels sont les réseaux à utiliser ? Et utilisé MLP dans les statistiques.
3) J' ai entendu dire que les filets automatiques et les filets de conception propre e...., si je puis dire, ne sont pas fondamentalement très différents. Est-ce vraiment le cas?
4) Quels réseaux et quels programmes conseillez-vous pour une application sur les marchés financiers, en particulier pour la tâche que j'ai décrite, c'est-à-dire la restauration des valeurs à partir de toutes les données connues.
Respectueusement, mrstock