![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Vous n'avez pas besoin d'un réseau neuronal pour rechercher un modèle. Vous pouvez effectuer une recherche dans une EA ordinaire. Mets un zigzag dessus. Pour détecter la présence d'une configuration Tête et épaules, nous contrôlerons 1) la position des extrema l'un par rapport à l'autre (plus haut, plus bas) et 2) (plus loin de la barre zéro).
Peu importe le nombre de mesures que dure le motif, il suffit de contrôler la position des extrema les uns par rapport aux autres, verticalement et horizontalement.
La tête et les épaules ne sont qu'un exemple. Le zigzag est un indicateur de courbe, les oscillations de Gann sont meilleures.
Tous les modèles ne peuvent pas être décrits par la position des extrema. Et il y a une grosse erreur dans votre méthode : la position mutuelle des extrema peut ressembler à une tête et des épaules, mais ce ne sera pas le cas dans la plupart des cas.
Chers collègues, réfléchissez-y, si vous ne pouvez pas décrire formellement le modèle, comment comptez-vous l'expliquer au SN ? Sur la base de quoi ? Intéressant à entendre....
Comprenez que l'utilisation de NS implique deux choses. On peut trouver un modèle mathématique, mais on peut aussi trouver des déchets à la place du modèle. Vous utilisez donc la NS pour séparer les déchets du modèle que vous recherchez.
Et à la seconde où vous demandez de trouver le modèle NS menant à un profit, et que dans le processus d'apprentissage, il le trouve MAIS quel type de modèle est-ce, vous ne le saurez jamais parce que ce sera un modèle purement personnel de ce NS particulier formé à cet intervalle à un certain moment dans le temps (conditionnellement).
Vous devez décider ce que vous voulez obtenir ?
MAIS si vous voulez apprendre au SN à rechercher un modèle spécifique, vous devez l'expliquer par les mathématiques et si vous pouvez décrire correctement 100% de votre modèle avec les mathématiques, le SN ne sera pas nécessaire. La NS devient nécessaire lorsque les méthodes mathématiques ne suffisent pas et qu'à un moment donné, vous avez besoin d'une conclusion ambiguë. Bienvenue dans le monde de l'intelligence artificielle :-)
Chers collègues, réfléchissez-y, si vous ne pouvez pas décrire formellement le modèle, comment comptez-vous l'expliquer au SN ? Sur la base de quoi ? Intéressant à entendre....
Comprenez que l'utilisation de NS implique deux choses. On peut trouver un modèle mathématique, mais on peut aussi trouver des déchets à la place du modèle. Vous utilisez donc la NS pour séparer les déchets du modèle que vous recherchez.
Et à la seconde où vous demandez de trouver le modèle NS, menant à un profit, et dans le processus d'apprentissage, il le trouve MAIS quel type de modèle vous ne saurez jamais parce que ce sera un modèle purement personnel de ce NS particulier formé à cet intervalle à un certain moment dans le temps (conditionnellement).
Vous devez décider ce que vous voulez obtenir ?
MAIS si vous voulez apprendre au SN à rechercher un modèle spécifique, vous devez l'expliquer par les mathématiques et si vous pouvez décrire correctement 100% de votre modèle avec les mathématiques, le SN ne sera pas nécessaire. La NS devient nécessaire lorsque les astuces mathématiques ne suffisent pas et qu'à un moment donné, vous avez besoin d'une sortie ambiguë. Bienvenue dans le monde de l'intelligence artificielle :-)
Misha, ils n'ont qu'une seule erreur ici, ils comprennent un motif non pas comme un état actuel du système, qui devrait être reconnu, mais seulement comme un type, tête-épaules, trois soldats et un corbeau sur le poteau.
Misha, ils n'ont qu'une seule erreur ici, ils ne comprennent pas le motif comme l'état actuel du système, qui doit être reconnu, mais seulement comme une tête-épaules, trois soldats et un corbeau sur un poteau.
Afin de reconnaître l'état actuel du système, il faut l'affecter à une classe.
Chers collègues, réfléchissez-y, si vous ne pouvez pas décrire formellement le modèle, comment comptez-vous l'expliquer au SN ? Sur la base de quoi ? Intéressant à entendre....
Comprenez que l'utilisation de NS implique deux choses. On peut trouver un modèle mathématique, mais on peut aussi trouver des déchets à la place du modèle. Vous utilisez donc la NS pour séparer les déchets du modèle que vous recherchez.
Et à la seconde où vous demandez de trouver le modèle de SN menant à un profit, et que dans le processus d'apprentissage, il le trouve MAIS quel type de modèle est-ce, vous ne le saurez jamais parce que ce sera un modèle purement personnel de ce SN particulier formé à cet intervalle à un certain moment dans le temps (conditionnellement).
Vous devez décider ce que vous voulez obtenir ?
MAIS si vous voulez apprendre au SN à rechercher un modèle spécifique, vous devez l'expliquer par les mathématiques et si vous pouvez décrire correctement 100% de votre modèle avec les mathématiques, le SN ne sera pas nécessaire. La NS devient utile lorsque les méthodes mathématiques ne suffisent pas et qu'à un moment donné, vous avez besoin d'une sortie ambiguë. Bienvenue dans le monde de l'intelligence artificielle :-)
Et pourquoi décrire formellement un modèle pour un réseau neuronal ? Le réseau doit être entraîné par des exemples.
Pourquoi un réseau neuronal aurait-il besoin d'une description formelle d'un motif ? Un réseau doit être entraîné par des exemples.
Donc vous le faites d'abord trouver ce modèle et ensuite le reconnaître ? Ce n'est pas trop ? De plus, tout modèle tête et épaules, trois soldats, tout modèle doit être reconnu, non pas pour savoir qui il est et comment il s'appelle, mais pour savoir quelle sera la réaction du marché à la hausse ou à la baisse. TOUS les modèles connus fonctionnent mécaniquement à 50%. Et ce que l'on peut faire avec les mathématiques est ce qu'il y a de mieux, et quand on est coincé dans l'incertitude, c'est là que la grille en tant qu'outil mathématique ......
Donc vous lui faites d'abord trouver ce modèle et ensuite vous lui faites reconnaître ? Ce n'est pas trop ? En particulier, tout modèle de tête et d'épaules, de trois soldats, tout modèle doit être reconnu, non pas pour savoir qui il est et comment il s'appelle, mais pour savoir quelle sera la réaction du marché à sa hausse ou à sa baisse. TOUS les modèles connus fonctionnent mécaniquement à 50%. Et ce qui peut être fait avec les mathématiques est mieux fait avec les mathématiques, et lorsque vous êtes coincé dans l'incertitude, c'est là que la grille en tant qu'outil mathématique ......
Et comment avez-vous réussi à deviner ce que j'ai pu vouloir dire par là ?
Mais si vous voulez apprendre à NS à rechercher un modèle spécifique, vous devez l'expliquer par les mathématiques et si vous pouvez décrire 100% de votre modèle avec les mathématiques, NS devient inutile. La NS devient nécessaire lorsque les méthodes mathématiques ne suffisent pas et qu'à un moment donné, vous avez besoin d'une conclusion ambiguë. Bienvenue dans le monde de l'intelligence artificielle :-)
La NS est conçue pour les cas où vous ne pouvez pas décrire la situation de manière mathématique. Essayez, par exemple, de décrire mathématiquement l'âge d'une personne à partir d'une photo.
Excusez-moi, mais le réseau neuronal lit-il le marc de café ? De la façon dont je le vois, il fait le calcul.
Excusez-moi, mais le réseau neuronal lit-il le marc de café ? D'après ce que je comprends, il fait le calcul.
Pensez-vous qu'il existe une différence entre "un humain décrit" et "un réseau neuronal compte" ?
Un réseau neuronal est formé par des exemples, sans entrer dans les détails des dépendances.