![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Tutto dipende dalle cornici e dalle impostazioni. Dal 70% al 95%.
Sì, tutto quello che mostra e le inversioni e la forza.
Le prove sono molto gradite. È una grande novità che sia possibile prevedere su sezioni BP instabili. Lei è l'unico che afferma questo, non conosco gli altri.
Dimostrare qualcosa non è uno sforzo utile.
È incredibile che ci siano persone sul mercato che ne sono orgogliose. Cioè, si può mostrare una corsa di un tester con un grafico. O tutto quello che hai scritto è solo spazzatura termica?
Questo procuratore è piuttosto debole.
L'ho eseguito su un semplice esempio di riconoscimento classico:
Stringhe di esempio:
1. Uccello
2. Vola
3. Aeroplano
4. Aliante
5. Razzo non alato
Le prime sei colonne sono input di oggetti riconoscibili. Il resto delle colonne sono uscite.
Una griglia a due strati: 6 x 2 x 6 x 6
Quando viene testato con Back Propagation è un vero peccato, perché il 40% del campione di allenamento è separabilità lineare, se l'errore è inferiore a 0,01, allora il campione di allenamento è considerato riconosciuto.
Così, né un aeroplano, né un aliante, né un razzo sono stati riconosciuti, tutte le uscite hanno solo valori negativi con qualsiasi ingresso. L'uccello e l'aliante sono riconosciuti abbastanza accuratamente. Anche l'uscita delle differenze degli oggetti biologici da quelli meccanici è stata riconosciuta abbastanza accuratamente.
Quando si testa RPROP nelle stesse condizioni e con la stessa architettura, i risultati sono migliori:
Quindi qui la separabilità lineare è già al 100%, ma gli errori sono presenti.