Reti neurali probabilistiche, pacchetti e algoritmi per MT4 - pagina 19

[[Eliminato]]

Ho provato a lavorare con la topologia cambiando il grado di lisciatura del segnale o cambiando l'array di ingresso qualitativamente - i risultati sono terribili. Nelle reti probabilistiche l'occhio inesperto nota immediatamente diverse contraddizioni metodologiche incontrate nello sviluppo della rete - una di queste è che l'intervallo del periodo di prova è proporzionale alla non linearità della rete. Cioè, non è chiaro come ottimizzare la rete.

[[Eliminato]]

cosa posso dire... ecco la pornografia))

[[Eliminato]]

eccola lì

[[Eliminato]]

xproit:
eccolo qui

Un'occhiata veloce. Hai ragione - pornografia).

Perché un giardino così grande di input completamente scoordinati? Che senso ha mettere i valori assoluti e le loro differenze sull'input allo stesso tempo? I Nets si "ubriacano" di questo...

[[Eliminato]]

Il fatto è che preparo un file di dati in MT4, mettendoci tutto quello che ho, e in NEUROSHELL 2 seleziono direttamente, combino, ecc.

[[Eliminato]]

xproit:

Il fatto è che preparo un file di dati in MT4 allegando tutto quello che ho, e in NEUROSHELL 2 seleziono direttamente, combino, ecc.

E puoi mostrarmi il file dei dati di input per NS2?

E qual è il criterio per la classificazione dell'insieme di input, cioè perché si determina che questo insieme di es. comprare, questo vendere? Ops, l'ho visto io stesso...

Z.U. A proposito, ho ripescato un NS2 relativamente fresco un paio di giorni fa, solo per sperimentare con PNN...

[[Eliminato]]

Uso ancora le reti nel trading. Per confermare i segnali di trading con i valori degli indicatori previsti. Questo è probabilmente il principale vantaggio di questo metodo rispetto al lagging e alla media. Quando prevedo linee lisciate come BZL MACD(High,15,30) 3 punti avanti anche usando i ritardi dell'indicatore in entrata ottengo un coefficiente di correlazione di 0,995 in media.

[[Eliminato]]

In sostanza, le reti probabilistiche sono meno esigenti nel compito di determinare la matrice di ingresso. La rete in addestramento utilizza un algoritmo di correzioni individuali al parametro di lisciatura di ogni ingresso così come il parametro di lisciatura generale. Cioè, durante l'addestramento i valori dei singoli parametri di lisciatura sono usati come uno strumento per analizzare la sensibilità dell'input, più il parametro per questo input, più importante è l'input per il modello. Cioè, la rete non è ottimizzata dalla matrice di input. È auspicabile dargli più input (candidati).

[[Eliminato]]

Cercate di lavorare con loro, anche io ho lavorato con loro per un po'. Ecco un indicatore per preparare un file di dati o piuttosto uno script

[[Eliminato]]

xproit:
Cercate di lavorare con loro, anche io ho lavorato con loro per un po'. Ecco un indicatore per preparare un file di dati o piuttosto uno script

Gli darò un'occhiata, grazie.