réseau neuronal et entrées - page 14
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
Comment choisir et servir quoi ?
choisissez-en un plus grand et servez la clé au plat... sur une assiette... sur une assiette...
;)
d'en choisir une plus grande et de servir la clé à l'appartement... sur une assiette... sur une assiette...
;)
Merci... Je le savais.... :-)
Respect ! !!
Sans blague, ça vient du coeur.
Merci... Je le savais.... :-)
Respect ! !!
Sans blague, ça vient du coeur.
Merci.
En fait, les grilles ne sont pas très regardantes sur la nutrition, le régime doit plus ou moins correspondre à la tâche à accomplir. En d'autres termes, puisque nous recherchons des modèles inconnus, nous avons besoin d'une série dans laquelle il y en a beaucoup, de plus, beaucoup de corrélations avec le résultat (dans notre cas - la prédiction).
D'où le deuxième moment - que prévoir exactement. C'est-à-dire ce qu'il faut envoyer à la sortie et ce qu'il faut enseigner au réseau. La question n'est pas là dans le sous-genre, mais elle devrait l'être, car sinon le filet peut réussir à apprendre et à établir des records de prévision sur l'OutOfSample et, de plus, rester impuissant parce que dans l'enfance il a été soumis à un traitement abusif.
C'est juste quelque chose à penser, je ne vous aiderai pas avec les détails, parce que je suis trop jeune moi-même...
;)
Que dites-vous de ça ?
Nous transmettons le vecteur actuel de description de la barre au neurone d'entrée. Par exemple, les incréments de prix d'ouverture, les incréments de prix d'ouverture d'autres symboles, les volumes, l'heure actuelle, les taux d'intérêt des symboles, le calendrier des actualités, les cycles lunaires et solaires, etc. Il s'avère qu'autant de neurones qu'il y a dans la couche d'entrée, c'est l'historique que nous devons considérer.
Vient ensuite le réseau lui-même. La grille est une matrice bidimensionnelle de neurones (pas nécessairement pour la commodité de la description de l'idée). Pour réduire le nombre de calculs dans les neurones, nous limitons le nombre de synapses, disons, par exemple, 5-10, mais chaque synapse peut se connecter à n'importe quel axone dans son rayon d'action limité par un certain cercle, (vous pouvez mettre un processeur plus puissant et le faire se connecter à n'importe quel axone, n'importe quel neurone). En conséquence, nous devrions obtenir un réseau de qui sait quelle configuration, avec un grand nombre de retours d'information, qui considérera le bazar dans son ensemble. Ou encore, selon notre imagination, nous activons la fonction "gueule de bois", clouant périodiquement quelques neurones. Fonction de naissance, créer périodiquement un couple de trois neurones. En conséquence, nous constatons que la grille s'ajuste elle-même, son architecture interne et le nombre de neurones, bien que nous n'ayons aucune idée de la manière de rendre le nombre minimum de neurones suffisant.
Signal de sortie. Première chose qui arrive dans l'espace ventral, construire un ts avec des entrées et sorties parfaites, par exemple un canal sur un polynôme de n-degré. Rebondir sur les limites du canal et former le réseau par ces signaux.
Ou une fonction cible d'équité parfaite, une ligne droite vers le coin supérieur droit de l'écran, puis laisser le réseau chercher les bonnes entrées et sorties par lui-même.
Toute TS, avec ou sans réseaux neuronaux, utilise des modèles recherchés sur des données passées. Donc, en substance, il n'y a aucune garantie de gagner sur ces modèles trouvés à l'avenir. Ou avez-vous une méthode pour déterminer que vous pouvez gagner de l'argent sur des modèles trouvés sur des données passées dans le futur ?
Je ne suis pas le seul. Si vous écrivez en détail, cela ferait beaucoup de texte, si vous êtes intéressé, vous pouvez le lire sur Spider, dans le fil de Neo sur les motifs, par exemple, ou dans les fils de Felix White. Avals apparaît sur ce forum, lisez ses messages.
Il existe des régularités universelles (ou plutôt des lois) qui existent non seulement sur le marché, mais partout. Par exemple, l'inertie suffit pour ne pas rester sans pain ni beurre. Cela a fonctionné dans le passé, cela fonctionnera dans le futur. Et si cesse de fonctionner, la dernière chose qui nous intéressera sera la panne de MTS et la perte du dépôt :). (Pensez à ce qui se passera si les lois de la physique changent, même légèrement.
Et deviner si ça va marcher / ne va pas marcher - ce n'est pas notre méthode, c'est celle des gitans.
Je ne suis pas le seul. Si vous écrivez en détail, cela ferait beaucoup de texte, si vous êtes intéressé, vous pouvez le lire sur Spider, dans le fil de Neo sur les motifs, par exemple, ou dans les fils de Felix White. Avals apparaît sur ce forum, lisez ses messages.
Il existe des régularités universelles (ou plutôt des lois) qui existent non seulement sur le marché, mais partout. Par exemple, l'inertie suffit pour ne pas rester sans pain ni beurre. Cela a fonctionné dans le passé, cela fonctionnera dans le futur. Et si cesse de fonctionner, la dernière chose qui nous intéressera sera la panne de MTS et la perte du dépôt :). (Pensez à ce qui se passera si les lois de la physique changent, même légèrement.
Et deviner ce qui fonctionnera / ne fonctionnera pas - ce n'est pas notre méthode, ce sont les gitans.
Aha-ha-ha !
Aussi la gravité - le prix, comme, monte et puis descend.
Ouais, ouais, ouais !
Et la gravité - le prix, comme, monte et redescend.
Il est difficile de deviner si un footballeur va frapper le ballon ou non, mais lorsque le ballon est déjà en l'air, il n'y a pas besoin de deviner, il est clair qu'il va tomber au sol. (Il se peut toutefois que reste coincé sur un arbre - il existe un stop-loss sur le marché pour de tels cas).
L'essentiel est de ne pas se lancer dans des prédictions, c'est-à-dire de deviner avant d'y arriver que c'est un cas désespéré. Vous pourriez prendre un élan, mais ensuite changer d'avis.
D'une manière générale, je pense que le système devrait être construit de telle sorte qu'il échange certains des mêmes modèles.
Ceci s'applique pleinement au TS avec et sans les nerfs. Un tel système, dans son essence, se négociera sur les OOS avec une activité décroissante dans le temps,
c'est-à-dire que progressivement, le nombre de transactions arrivant à l'unité de temps tendra vers 0 (l'efficacité reste à un niveau constant, ne diminue que la rentabilité, il suffit de se réentraîner dans le temps pour rafraîchir la base des schémas réels), car les schémas "appris" se produisent de moins en moins souvent.....
Il ne devrait donc y avoir aucun indice d'interpolation/approximation des données traitées par TC.
PS MetaDriver a été témoin du concept d'un tel TS il y a environ 2 ans..... mais je me suis peu à peu enlisé dans mes expériences sans fin, que j'ai perdu le bon chemin sans m'en rendre compte... bien sûr il y a une possibilité de creuser dans les vieilles sources d'archives, mais ce sera si difficile à faire qu'il sera plus facile de tout écrire à nouveau...(
Merci.
En fait, les grilles ne sont pas très regardantes sur la nutrition, le régime doit plus ou moins correspondre à la tâche à accomplir. En d'autres termes, puisque nous recherchons des modèles inconnus, nous avons besoin de séries dans lesquelles il y en a beaucoup, et qui sont en outre corrélées avec le résultat (dans notre cas, la prédiction).
D'où le deuxième moment - que prévoir exactement. C'est-à-dire ce qu'il faut envoyer à la sortie et ce qu'il faut enseigner au réseau. La question n'est pas là dans le sous-genre, mais elle devrait l'être, car sinon le filet peut réussir à apprendre et à établir des records de prévision sur le OutOfSample et, de plus, rester impuissant parce que dans l'enfance il a été soumis à un traitement abusif.
C'est juste quelque chose à penser, je ne vous aiderai pas avec les détails, parce que je suis trop jeune moi-même...
;)
:-)
Merci.
Je l'ai. Monsieur. Sur elle.