Rete neurale - pagina 9

 
Vanek_MIL писал(а) >> E se si confronta (alle condizioni date sopra, ovviamente) il segnale originale e la derivata, la derivata è la scelta?

Tutto dipende da qual è il segnale originale, qual è la sua derivata e cosa vogliamo ottenere come risultato. Ma naturalmente, meno trasformazioni ci sono meglio è, perché ogni trasformazione introduce ulteriori distorsioni al segnale originale, che naturalmente può avere un impatto negativo sul risultato finale.

Vanek_MIL ha scritto (a) >> E se si estende la situazione al superamento di una certa soglia impostando un offset rispetto allo zero, i segnali di "soglia" dovrebbero essere amplificati in questo modo...?
Cosa intende per "amplificare i segnali di soglia"?
 

LeoV писал(а) >>

Cosa intende per "amplificare i segnali di soglia"?

Mi riferivo a un segnale derivato che ha un picco quando il segnale originale attraversa una certa soglia - cioè una generalizzazione dell'esempio precedente.

LeoV >>:

Tutto dipende da qual è il segnale iniziale, qual è la sua derivata e cosa vogliamo ottenere come risultato

.

Quindi, tutto si riduce al compito da svolgere.

Permettetemi di portare il mio modo di pensare - come e perché userò le reti.


  • Quando si addestra una rete utilizzando un indicatore che produce segnali già pronti, mi aspetto che la rete trovi una qualche combinazione di input (un pattern) che precede il verificarsi del segnale e preveda il segnale quando il pattern si ripete.

Come farà a "sapere" che è quello che lo precede? Beh, probabilmente perché darà più profitto in una strategia basata su questi segnali. Anche se qui non è inequivocabile, naturalmente - è solo un'ipotesi.

Il modello deve (? può) includere la componente statica (valori) e quella dinamica (momenti, ecc.) per completare il quadro.


Abbiamo già discusso sopra l'apprendimento con l'insegnante. L'indicatore sarà il maestro, che dà buoni segnali (e dopo l'ottimizzazione - ancora meglio).

Ma allora perché non usare un insegnante "ideale" che dia segnali sulla base dello stesso zigzag. Anche se qui la domanda è: si può permettere all'insegnante di guardare nel futuro senza permettere alla rete di guardare nel futuro?

  • È possibile utilizzare l'addestramento senza che l'insegnante faccia affidamento sul fatto che la rete troverà uno stato in cui i segnali emessi da essa massimizzano il profitto. Ma è difficile prevedere qualcosa qui - basta scegliere (??) il tipo, la configurazione della rete e il set di ingressi?
  • Quando si lavora sulla selezione degli input si selezionano/costruiscono gli indicatori che rivelano in modo più o meno affidabile qualche punto (avvicinamento al livello di consolidamento, per esempio, o minore correlazione tra le coppie), che da soli non sono sufficienti per la formazione del segnale. La rete è in grado di elaborare tutta questa serie di dati e trarre una conclusione? In altre parole, quali qualità devono avere questi segnali perché la rete funzioni efficacemente?


Saluti a coloro che si sono riuniti.

 
njel >> :

L'idea del TC deve essere presente.

Per completare il quadro: l'idea è quella di utilizzare la rete per ricevere i segnali di entrata (o la loro conferma), e poi accompagnare il commercio e uscire "autonomamente" - o con lo stop-loss o ricevendo un segnale inverso.

 

Si parla di imparare con e senza un insegnante

Ed è sorta una domanda - agli utenti Neuroshell (forse in altri programmi è simile - non so proprio) - per quanto riguarda l'addon Neural Indicators.

Farò alcuni suggerimenti (se sbagliati - correggete).

Se prendiamo le solite reti neurali basate su Turboprop (sia Predict che ATR2), o quelle probabilistiche - l'allenamento è fatto con l'insegnante. Come insegnante prendiamo qualche indicatore - o output neurali standard come Optimal%Change, o variazione di prezzo, o Bai/Sell flag, o qualcosa basato sullo stesso zigzag (se è questo che intendi) ecc. Quindi, c'è un presupposto che i segnali dell'insegnante dovrebbero essere in qualche modo coordinati con i dati di input. Altrimenti ci possono essere situazioni, come l'input aumenta gradualmente, poi diminuisce, ma l'output rimane costante. Oppure l'input è costante - l'output aumenta rapidamente all'inizio e poi diminuisce. Ci sono molte varianti e tutto è molto peggio quando ci sono molti input. E cose del genere possono portare alla stagnazione della rete - perché gli stessi input portano a output diversi, o viceversa.

Quindi il risultato qui potrebbe essere che scegliere l'insegnante GIUSTO è molto difficile, se facciamo un errore rischiamo di rovinare la rete anche con buoni input.

Una possibile soluzione è quella di utilizzare le reti dell'addon degli indicatori neurali - sono addestrate senza un insegnante e sono adattate alle funzioni della strategia di destinazione

Domanda - questo addon ha un netto vantaggio rispetto alle altre reti neurali?

 

Non capisco perché abbiamo bisogno di prendere quotazioni derivate quando possiamo usare una rete neurale per prevedere la possibile direzione del movimento inserendo una serie di valori precedenti di HIGH CLOSE LOW

come 400 bar di profondità ;) ? Sui timeframe H1 e meno è necessario prendere in considerazione il prezzo OPEN. Questo fa 400 X 4 = 1600 valori di ingresso HCLO per M1: 60 barre avanti saranno sufficienti per prevedere la direzione). Non resta che trovare un programma di analisi adatto e un supercomputer.

 
Piboli писал(а) >>

Non capisco perché abbiamo bisogno di prendere quotazioni derivate quando possiamo usare una rete neurale per prevedere la possibile direzione del movimento inserendo una serie di valori precedenti di HIGH CLOSE LOW

come 400 bar di profondità ;) ? Sui timeframe H1 e meno è necessario prendere in considerazione il prezzo OPEN. Questo fa 400 X 4 = 1600 valori di ingresso HCLO per M1: 60 barre avanti saranno sufficienti per prevedere la direzione). L'unica cosa che rimane è trovare un programma di analisi adatto e un supercomputer.

La cosa più importante è trovare il giusto programma di analisi ))))

>> Mi scusi, naturalmente, ma ha avuto una buona esperienza con questo approccio?

 
GrooovE >> :

La cosa più importante è trovare il giusto programma di analisi )))

Mi scusi, naturalmente, ma cosa - ci sono state esperienze positive in un tale approccio?

Bene su H4 per 4-5 barre avanti perc per 90 cento in modo affidabile sì per 2-3 settimane senza riqualificazione...

Non riesco a trovare un programma normale, oltre al Forex devo studiare www.wasm.ru ;)

Devo studiare il Forex e non so come fare.


 
Vanek_MIL писал(а) >>

Ad essere onesti - non lo capisco...)) A proposito dell'insegnante perfetto - non è affatto certo che quello perfetto sia necessario......

GrooovE ha scritto (a) >> Domanda - questo addon ha un netto vantaggio rispetto alle altre reti neuroshell?

Un vantaggio - nessun insegnante.....

Piboli ha scritto >>.

Non capisco, perché prendere le derivate delle quotazioni, quando si può usare neuronet per prevedere la possibile direzione del movimento, dando come input una serie di valori precedenti HIGH CLOSE LOW

come 400 bar di profondità ;) ? Sui timeframe H1 e meno è necessario prendere in considerazione il prezzo OPEN. Questo fa 400 X 4 = 1600 valori di ingresso HCLO per M1: 60 barre avanti saranno sufficienti per prevedere la direzione). Non resta che trovare un programma di analisi adatto e un supercomputer.

Il problema è uno, quando il prezzo va oltre il range che era sulla cronologia di 400 barre, la rete neurale non saprà cosa fare e darà un segnale verso quel range indipendentemente da come il prezzo si muoverà fuori di esso......

 
LeoV >> :

Onestamente - non capisco...

Come si dice, una domanda fatta bene contiene la maggior parte della risposta. Quindi, anche da una tale risposta si possono trarre certe conclusioni...)


Perdonatemi per il mio fastidio e permettetemi di introdurre un'altra domanda di ragionamento:


Si può usare una rete neurale per determinare la fase attuale del mercato?

Permettetemi di chiarire cosa si intende.

Per fase di mercato in questo caso intendiamo la presenza di una tendenza o la sua assenza (probabilmente è un piatto).

Ok, lasciamo da parte l'insegnante. Prendiamo la rete senza allenamento.

Quindi gli input devono essere selezionati in modo tale che i cluster (perdonatemi la mia incompetenza), al massimo due di loro appaiono nello spazio dei parametri di input:

Uno per una tendenza, l'altro per un piatto... (o forse c'è solo un cluster - tendenza, e tutto il resto - non tendenza?)


Se questo è il caso:

Come, in che forma il segnale di uscita mostra l'appartenenza a un particolare cluster?

È realistico visualizzare questi cluster per navigare già nella fase di selezione degli input?

Quando si progetta una tale rete, si può controllare metodicamente il processo o ci si deve affidare al caso - funzionerà o non funzionerà (naturalmente, questa è una domanda ingenua))?


Con rispetto.

// è andato a imparare la matematica

 

A proposito di backprop, vorrei aggiungere che usare l'errore standard dell'algoritmo è sbagliato.