Reti neurali artificiali. - pagina 2

 
Sarebbe bello se le reti neurali come Urain, TheXpert, MetaDriver, sergeev potessero salire a bordo.
 
joo:
Sarebbe davvero fantastico se questi carpiati di rete neurale venissero tirati su qui...

Qualcuno di loro (non le personalità, ma i "corifei") ha fatto fortuna, o solo in teoria?

 
St.Vitaliy:

Qualcuno di loro (non le personalità, ma i "corifei") ha fatto fortuna, o solo in teoria?

Almeno ci sono sfidanti che hanno vinto il campionato tra coloro che hanno usato le neurocellule.

O vuoi regalare qualcosa a me o ai miei buoni amici o conoscenti?

 
joo:

Almeno ci sono sfidanti che hanno vinto campionati tra coloro che hanno usato reti neurali.

O vuoi regalare qualcosa a me o ai miei buoni amici o ai corifei?

Una persona può insegnare o consigliare solo in base al luogo, qualcosa che ha passato molto tempo a fare.

Un buon programmatore è brillante nello scrivere programmi, se questo è il tuo obiettivo finale, allora è tutto molto logico. Ma ha molto poco a che fare con il mercato.

 
St.Vitaliy:

Una persona può insegnarti o consigliarti solo su qualcosa che passa molto tempo a fare.

Un buon programmatore è brillante nello scrivere programmi, se questo è il tuo obiettivo finale, allora ha perfettamente senso. Ma ha molto poco a che fare con il mercato.

Grazie. Ora, per favore, traduci in russo. Non parlo il vostro dialetto, mi dispiace, non sprechenois.

Solo non capisco se sono un cattivo (o viceversa) programmatore, o non applico le reti neurali al mercato, o qualcos'altro. Si prega di spiegare.

 
joo:

Grazie. Ora, per favore, traduci in russo. Non parlo il tuo dialetto, mi dispiace, non spreco.

Non capisco se sono un cattivo (o viceversa) programmatore, o se non applico i nervi al mercato, o qualcos'altro. Spiegare, per favore.

Credetemi, non uso giudizi di valore sulle persone. Almeno io mi sforzo di farlo, solo fatti.

Qual è la base per pensare che le reti neurali permettono davvero di guadagnare costantemente, i coriferi hanno un'esperienza pratica di successo che non può essere attribuita a un artefatto di prezzo?

Sembra tutto molto patetico, ma c'è una venatura razionale in tutto ciò?

Ma la semplice idea (come esempio) di comprare zucchero in autunno e venderlo all'inizio dell'estate non è interessante...

 
07041982:

Le reti neurali sono IMHO la parte più difficile del trading algoritmico. Non ci sono nuovi arrivati qui. Anch'io, solo dopo 8 anni di forex, dopo aver speso un sacco di soldi, dopo aver provato tutte le possibili strategie e indicatori e tutte le possibili combinazioni di essi, ho deciso che questa è l'unica strategia di trading che non ho toccato. Perché non l'ho provato prima? Ho pensato che fosse troppo complicato e che richiedesse programmi speciali come "neurosolutions". La cosa più importante è capire come funzionano le reti neurali, il resto è una questione tecnica.

Ho inventato il mio primo prototipo di neuronet in circa un giorno, l'ho scritto in 15 minuti usando MQL5 puro, l'ho addestrato usando l'ottimizzazione. E oh mio miracolo, i risultati sono incoraggianti... la robustezza del serbatoio è presente per diversi anni, i test del serbatoio sono stabili. Ora sono quasi sicuro che se il Graal esiste, è nascosto da qualche parte nelle profondità delle reti neurali: il loro potenziale è quasi illimitato, posso aggiungervi qualsiasi numero di indicatori con qualsiasi numero di parametri... e può essere fatto usando puro MQL5. Dopo averci pensato e provato, tutti i miei precedenti tentativi di creare un Expert Advisor a partire da indicatori standard sembrano essere solo un gioco da ragazzi.

In questo thread mi propongo di condividere la mia esperienza nel campo delle reti neurali. Sarebbe interessante imparare i principi di progettazione e formazione delle reti in MQL5. Aspetto i vostri commenti.


Per quanto posso giudicare, nessuno qui ha implementato una rete neurale con un'architettura non permanente. Una piccola spiegazione, un neurone può connettersi con 5 - ..... altri neuroni situati negli strati successivi e precedenti. Così, la nozione di strato è spalmata un po' come una rete neurale con feedback, ma questi collegamenti cambiano costantemente insieme ai coefficienti di peso, inoltre il numero di neuroni nella rete non è costante, muoiono e si riprendono. È un analogo di una rete neurale naturale. A giudicare dalle pubblicazioni in rete, è una direzione più promettente.
 

Il vantaggio delle reti rispetto agli alberi decisionali nel forex trading non è ovvio. È sciocco usare le reti dove si vuole. Applicateli ovunque possa esistere una funzione di uscita non lineare da un ingresso. Lasciatemi fare un semplice esempio di classificazione. Supponiamo di dover creare un sistema che distingua i diversi mammiferi. Come input, si forniscono informazioni sulla forma e la dimensione dell'intero corpo e delle sue parti (testa, naso, orecchie, zampe, coda, ecc.) Pensi davvero che creare un modello non lineare come Class = F (mustache, paws, tail) sarà più accurato nel determinare la classe del mammifero che un albero di decisione mustache? paws? tail?

 
I NS possono trovare dipendenze nascoste come modelli, livelli, ecc. e in più possono stipare un sacco di parametri di input, usando i metodi convenzionali non si ha il potere di ottimizzare così tanti parametri
 

07041982:
НС могут сами находить скрытые зависимости типа паттернов, уровней и т.д. плюс в них можно запихнуть очень много входных параметров, с использованием обычных методов вам не хватит мощностей столько параметров оптимизировать

La rete è uno strumento, una specie di funzione universale non lineare che può essere ottimizzata (adattata) per diversi dati (input-output). Questa funzione non può cogliere alcuna regolarità. Si potrebbe anche sostenere che un polinomio adattato a una curva liscia trova i suoi modelli nascosti. Uscite dall'intervallo di dati a cui la funzione è stata adattata e sapete cosa otterrete come esempio di regressione polinomiale. A proposito, il numero di parametri ottimizzabili nella rete è molto più grande che nell'albero di decisione, poiché la rete contiene sottoconnessioni che non influenzano le decisioni corrette e i cui pesi sono diminuiti durante l'ottimizzazione.