"New Neural" è un progetto di motore di rete neurale Open Source per la piattaforma MetaTrader 5. - pagina 77
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Il compito è quello di trovare un vettore che divida il mercato in gruppi di Trend Up, Trend Down, Trend East.
Per esempio formiamo un array di vettori secondo la nostra fantasia X{x1,x2,x3,x4,x5,x6,x7}
x1= periodo MA
x2= periodo di MA
x3= valore di MA
x4= valore di RAR
x5=dispersione, per esempio
x6= componente di tendenza di MA(N)-MA(N-1)
x7=numero di intersezioni di MA e prezzo
Se raggruppiamo l'array di questi vettori usando la mappa di Kohonen, vedremo dei vettori vicini. Risulta che la maggiore influenza sulle distanze euclidee sarà x1,x2,x4, x7. Anche se le caratteristiche x3,x5,x6 non sono meno se non più importanti. Potremmo normalizzare tutte le x nell'intervallo -1...1, ma non vedo come. Oppure possiamo prendere caratteristiche di mercato che sono vicine tra loro, in questo caso otteniamo un confronto di mosche con cotolette.
I vettori saranno vicini a :
X1{10,13,26,12,42,48,98} e
X2{11,12,27,14,43,46,88} e il vettore X3 sarà in un altro cluster
X3{101,12,27,14,43,46,88}
anche se non è un fatto, sono stato io a mostrare come i cluster sarebbero separati dalla distanza di Hamming, come sarebbero i parametri dei vettori se fossero separati da "Trend Veer, Trend Down, Trend Lateral" si sa FF :)
In pratica l'ho capito. Non posso fare a meno del razionamento. Supponiamo che tre vettori
Х1 {10,10,0.1}
Х2 {11,10,0.3}
X3 {10,12,-0.2} Sembra che tutti e tre i vettori appartengano allo stesso cluster
Nel campione di allenamento x1= min 0 max 20, x2= min -10 max 40 x3= min -0.5 max 0.5 Ora normalizzare i vettori iniziali
Х1 {0.5, 0.2, 0.1}
Х2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2} i cluster sono diversi, possiamo normalizzare questi vettori ad un vettore unitario, ma non sarà necessario. Penso che dovrebbe funzionare.
In pratica l'ho capito. Non si può fare a meno del razionamento...
In linea di principio tutto è corretto, non puoi fare a meno della normalizzazione, altrimenti dovresti cercare i pesi in un intervallo molto ampio (cioè trasferire il problema della normalizzazione alle spalle della griglia). Ma non dimenticate che la distribuzione in cluster non si basa sulla vicinanza diretta dei vettori di input, ma sui coefficienti di ponderazione. Può succedere che due vettori situati uno vicino all'altro (per parametri) siano in cluster diversi e quelli lontani siano nello stesso cluster. Tutto dipende dalla FF.
Sto pensando se scrivere una DLL per lavorare con CUDA o aspettare, ho un altro tema GPU oltre alla neuro.
Renat, come vanno le cose con OpenCL e l'integrazione dello storage in ME?
Sto pensando se scrivere una DLL per lavorare con CUDA o aspettare, ho un altro tema GPU oltre al neuro.
OpenCL in beta è in fase di sviluppo, anche il repository è in beta.
Nella prossima build, la prossima settimana, ci accontenteremo dell'inclusione del mercato e forse dello stoccaggio nell'editor.
OpenCL in beta - in sviluppo...
La prossima settimana la build includerà il mercato e forse lo stoccaggio nell'editor.
Beta o versione completa?
Il mercato è completo.