"New Neural" è un progetto di motore di rete neurale Open Source per la piattaforma MetaTrader 5. - pagina 76
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
Probabilmente è una domanda stupida.
È possibile classificare vettori la cui dimensionalità non è uguale a N con una mappa di Kohonen sintonizzata su un vettore di dimensione N. Fondamentalmente una persona classificherà una sfera con un cerchio, un quadrato con un cubo, una piramide con un triangolo in una classe. Spero che l'idea sia chiara.
Probabilmente è una domanda stupida.
È possibile classificare vettori la cui dimensionalità non è uguale a N con una mappa di Kohonen sintonizzata su un vettore di dimensione N. Fondamentalmente una persona classificherà una sfera con un cerchio, un quadrato con un cubo, una piramide con un triangolo in una classe. Spero che l'idea sia chiara.
No, l'idea non è chiara. Una persona legge informazioni video con la stessa matrice di input. I recettori nell'occhio non diventano né più né meno.
State proponendo di dare vettori di diverse dimensioni, come potete aspettarvi che la griglia risponda adeguatamente?
Probabilmente è una domanda stupida.
È possibile classificare vettori la cui dimensionalità non è uguale a N con una mappa di Kohonen sintonizzata su un vettore di dimensione N. Fondamentalmente una persona classificherà una sfera con un cerchio, un quadrato con un cubo, una piramide con un triangolo in una classe. Spero che l'idea sia chiara.
Se si guarda il cono dal basso, è un cerchio e dal lato è un triangolo.
Il cilindro può anche essere fatto girare
Se si guarda il cono dal basso, è un cerchio, ma sul lato è un triangolo
Un cilindro può anche essere attorcigliato
Mi dispiace, sono nuovo di neurogames, quindi questa potrebbe essere una domanda stupida.
C'è un insieme di vettori X1,X2 . X1={x1,x2,x3,} . E x1>> x3 , x2>>x3 . x1 e x2 di entrambi i vettori sono approssimativamente gli stessi, quindi risulta che nello spazio questi due vettori saranno vicini. Anche se x3 descrive la caratteristica più importante. Per i nostri montoni x1=media del periodo, x2=periodo PSY, x3=dispersione, x4=componente di tendenza. Allora in questo caso la classificazione sarà principalmente basata su x1 e x2 . Come evitare questa situazione o sto rallentando di nuovo intensamente.
Mi dispiace, sono nuovo di neurogames, quindi questa potrebbe essere una domanda stupida.
C'è un insieme di vettori X1,X2 . X1={x1,x2,x3,} . E x1>> x3 , x2>>x3 . x1 e x2 di entrambi i vettori sono approssimativamente gli stessi, quindi risulta che nello spazio questi due vettori saranno vicini. Anche se x3 descrive la caratteristica più importante. Per i nostri montoni x1=media del periodo, x2=periodo PSY, x3=dispersione, x4=componente di tendenza. Allora in questo caso la classificazione sarà principalmente basata su x1 e x2 . Come evitare una tale situazione o sto rallentando di nuovo intensamente.
Puoi fare un esempio concreto e fissare un compito specifico?
In questo modo è più facile capire il punto
Può fare un esempio concreto e fissare un obiettivo specifico?
È più facile capire la domanda.
Il compito è quello di scegliere un vettore che divida il mercato in cluster: 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 si possono prendere le caratteristiche del mercato vicino ai loro valori, in questo caso si ottiene un confronto tra mosche e cotolette.
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 l'immaginazione 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. O se prendiamo le caratteristiche del mercato vicino ai loro valori, allora otteniamo un confronto tra mosche e cotolette.
Cavalli, persone confuse... Il periodo MA, il valore MA...
Se cercate di usare programmi già pronti e il loro aiuto, potete cercare di capire prima i problemi.
Deduttore, NS2
Cavalli, uomini ... Periodo MA, valore MA
Forse dovresti provare a usare prima i programmi già pronti e il loro aiuto, per entrare nella problematica?
Deduttore, NS2.
Sono d'accordo che l'esempio non è del tutto corretto. Raggruppiamo vecchi cavalli e giovani giocatori di basket in base alla loro altezza, peso, età. Peso=1/peso reale . Se abbiamo a che fare con una situazione in cui l'altezza e l'età sono uguali ma il peso è molto più basso dell'altezza e dell'età (stiamo paragonando mosche e cotolette). Si scopre che il peso non ha quasi nessuna influenza sul vettore e il giocatore di basket è indistinguibile dal cavallo.