Cosa inserire nell'ingresso della rete neurale? Le vostre idee... - pagina 35
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
Non è realistico utilizzare un anno o più di NS senza riqualificarsi.
Se la rete può funzionare per una o due settimane senza riqualificarsi (un mese al massimo), è un ottimo risultato.
Anche se alcuni pipsariani riqualificano la rete ogni 24 ore.
È per questo che l'ho postato, pepita. Sul più semplice ns è durato un anno e un po'.
Non è realistico utilizzare un anno o più di NS senza riqualificarsi.
Se la rete può funzionare per una o due settimane senza riqualificarsi (un mese al massimo), è un ottimo risultato.
Anche se alcuni pipsariani riqualificano la rete ogni 24 ore.
Sono già stufo di questi neuroni. Riporterò le reazioni curiose e me ne dimenticherò per il momento. In generale, nel processo di sperimentazione artistica e di realizzazione della mia creatività, ho provato quanto segue:
1) Peso dinamico: a seconda dell'intervallo in cui si trova il numero in ingresso da -1 a 1, il peso cambia. Ottimizzazione: confini dell'intervallo e pesi stessi. Risultato: con architetture piccole sembra più stabile di un MLP normale. 2) Peso dinamico a seconda del modello dei dati in ingresso.
Ottimizzazione: pesi, il cui numero dipende dal numero di dati in ingresso, e intervalli, in base ai quali (più/meno) è possibile creare relazioni (pattern). Risultato: anche in questo caso sembra più stabile della normale MLP. Cosa significa che è stabile?
- Percezione assolutamente soggettiva dei risultati ottenuti durante l'ottimizzazione degli insiemi, che assomigliano meno a una poltiglia casuale, e più a zone in avanti, dove c'è stata una crescita uniforme. Poi è nata un'idea: l'idea è che, dando in ingresso una sequenza temporale rigorosa di dati, quando si sposta la finestra di 1 passo, i pesi di MLP "rovinano il quadro", dando un risultato completamente diverso, perché i dati in ingresso e i pesi stessi al nuovo passo sono molto diversi. Anche se, a quanto pare, lo schema degli input è lo stesso! È stato aggiunto solo un nuovo ingresso e quello più vecchio è stato scartato.
M a quando si moltiplica con MLP, l'informazione sullo schema che si sposta nel passato viene semplicemente cancellata. Ho deciso di provare questo schema .
3) Tamburo di scala.
Quando si sposta la finestra di input a sinistra, i pesi vengono spostati corrispondentemente dietro di loro, e su un nuovo input (fresco) si moltiplica o per l'ultimo peso del passo precedente, spostando la finestra dei pesi in parallelo con gli input, o per un nuovo peso, se si vuole creare un tamburo di pesi aggiuntivi. Le mie curve sono lette da destra a sinistra (non so perché le ho disegnate in questo modo, ovviamente).
Poi ho avvitato il metodo dei punti 1 e 2. Ottimizzazione: tutto quanto sopra. Risultato: nessuna sorpresa. L'ultimo metodo mi è venuto in mente quando ho guardato a lungo l'immagine esplicativa della rete convoluzionale CNN. C'era una sorta di incompletezza o incompiutezza.
Probabilmente, dovrei guardare di nuovo alla CNN. INGRESSI: 1) Ho trovato il più stabile utilizzando l'indicatore ZigZag. Per entrare: il rapporto tra la dimensione dell'ultima "gamba" dello zigzag e la dimensione delle sue altre gambe. 2) Escursione del prezzo.
Ovvero, a seconda del colore della candela, alimentare il rapporto tra la prima ombra, la seconda ombra e il corpo della candela e la sua dimensione. 3) Il rapporto tra l'incremento Close1-Close2 e la dimensione della candela1. I risultati hanno apprezzato il fatto che ci sono state poche "emissioni" di equity, il suo disgustoso chiacchiericcio, o in parole povere - l'over-sitting.
A questo fenomeno è correlata la media dei risultati quando si moltiplicano i pesi delle MLP, quando il blance cresce senza problemi, ma l'equity si agita come un dannato. 4) Il rapporto traClose1 e i frattali su e giù su h1/h4/d1.
T utto il resto (forse mi sfugge qualcosa) - più casuale sul periodo forward e taught, sporco, brutto, non liscio, brusco, disgustoso. Ma non ho parlato dei pattern sull'entrata dalla dimensione del trend.
Non sono ancora riuscito a testarlo normalmente, ma lo zigzag e i frattali, come variante, possono parlare dello stesso risultato, in linea di principio.
Ho la stessa associazione di schemi strutturali di rete neurale - un filtro digitale
ma non mi è chiaro
perché in tutti i programmi di reti neurali di cui ho letto i codici, il coefficiente è 1.0?
Idealmente, se ogni neurone è un bit di un filtro digitale, allora i coefficienti non dovrebbero essere uguali a 1,0.
quindi i coefficienti sono i predittori ed è quello che dobbiamo selezionare e dare in pasto all'ingresso della rete neurale.
e dato che i coefficienti possono essere calcolati semplicemente con una formula, perché prendersi il disturbo di creare una rete neurale?Ivan Butko #:
...
3) Tamburo dei pesi.
Quando si sposta la finestra di input a sinistra, i pesi vengono spostati corrispondentemente dietro di loro, e su un nuovo input (fresco) si moltiplica o per l'ultimo peso del passo precedente, spostando la finestra dei pesi in parallelo con gli input, o per un nuovo peso, se si vuole creare un tamburo di pesi aggiuntivi. Le mie curve si leggono da destra a sinistra (non so perché le disegno così, ovviamente).
... INPUTS: 1) Ho trovato il più stabile usando l'indicatore ZigZag. Input: il rapporto tra la dimensione dell'ultima "gamba" dello zigzag e la dimensione delle altre gambe. ...
L'ho eseguito in questa implementazione, ho scelto il set superiore, che ha 600 scambi (tutti sopra - 200-qualcosa), e quello superiore con 200~. Approssimativamente funziona così. Non ho potuto fare di meglio.
R enat Akhtyamov #:
Ho la stessa rete neurale associazione schema strutturale - un filtro digitale
ma non mi è chiaro
perché in tutti i programmi di rete neurale di cui ho letto i codici, il coefficiente è 1.0?
Idealmente, se ogni neurone è un bit di un filtro digitale, allora i coefficienti non dovrebbero essere uguali a 1,0.
quindi i coefficienti sono i predittori ed è quello che dobbiamo selezionare e dare in pasto all'ingresso della rete neurale.
E dato che i coefficienti possono essere calcolati semplicemente con una formula, perché prendersi la briga di creare una rete neurale?Formulazione più semplice, per chi si occupa di bilancio, non capisco quale sia il coefficiente....
L'ho eseguito con questa implementazione, scegliendo l'insieme superiore, che ha 600 scambi iniziali (tutti quelli superiori sono 200-qualcosa), e quello superiore con 200~. Questo è più o meno il funzionamento. Non ho potuto fare di meglio.
Per dirla in modo più semplice, per i preventivi non capisco quale sia il coefficiente.....
recentemente pubblicato, ha trovato una volta le risposte a quasi tutte le domande:
Letteratura sulle discipline insegnate (digteh.ru)
la struttura di uno dei filtri
Cosa non è la neuronica?
pubblicato qualche tempo fa, ha trovato le risposte a quasi tutte le domande:
Letteratura sulle discipline insegnate (digteh.ru)
struttura di uno dei filtri
cosa non è la neuronica?
Porca miseria.
Se è un bene per il commercio, grazie per il post.
Porca miseria.
Se questo è un bene per il commercio, grazie per il post.
Ed eccone un altro.
E' praticamente una replica dei neuronici che fanno tutti qui.
pubblicato qualche tempo fa, ha trovato le risposte a quasi tutte le domande:
Letteratura sulle discipline insegnate (digteh.ru)
struttura di uno dei filtri
cosa non è la neuronica?
Questo è un filtro BIR, sono più difficili da implementare e gli spostamenti di fase sono non lineari.
R enat Akhtyamov #:
ed eccone un altro
quasi una copia dei neuronici che tutti stanno realizzando qui
E questo è già un filtro FIR, facilmente calcolabile in Matlab e molto facilmente implementabile nel software. E se la scheda supporta OpenCL, tale filtro può essere parallelizzato molto bene. Ma con OpenCL non passerà sul mercato, è puramente per se stessi o per vendere in modo indipendente. È possibile calcolare facilmente i filtri gratuitamente nella versione online di Matlab, che offre 20 ore al mese gratuite. La cosa più divertente è che, nonostante le sanzioni, io vado dalla Russia senza VPN e la mia registrazione è @yandex.ru )). Cercate la scheda Apps nella barra superiore e in fondo c'è una sezione dedicata ai filtri. In Filter Design è possibile calcolare i coefficienti. Nella versione desktop c'è Filter Builder, dove è possibile importare il filtro calcolato come funzione e, in generale, le possibilità sono maggiori rispetto a quelle online. A proposito, è molto facile convertire le funzioni Matlab in DLL Matlab che possono essere richiamate direttamente da MQL5. Matlab dispone di strumenti integrati per questo scopo. Il problema è che per far funzionare tali DLL è necessario installare il run-time liberamente distribuito da mathworks, e una volta era più di mezzo giga, ora probabilmente è ancora più grande.
Sì, grazie per il link con la letteratura, un sacco di materiale interessante.
Si tratta di un filtro BIR, più difficile da implementare e con spostamenti di fase non lineari.
E questo è già un filtro FIR, facilmente calcolabile in Matlab e molto facilmente implementabile nel software. E se la scheda supporta OpenCL, tale filtro può essere messo in parallelo molto bene. Ma con OpenCL non passerà sul mercato, è puramente per se stessi o per vendere in modo indipendente. È possibile calcolare facilmente e gratuitamente i filtri nella versione online di Matlab, che offre 20 ore al mese gratuite. La cosa più divertente è che, nonostante le sanzioni, vado dalla Russia senza VPN e la mia registrazione è @yandex.ru )). Cercate la scheda Apps nella barra superiore e in fondo c'è una sezione dedicata ai filtri. In Filter Design è possibile calcolare i coefficienti. Nella versione desktop c'è Filter Builder, dove è possibile importare il filtro calcolato come funzione e, in generale, le possibilità sono maggiori rispetto a quelle online. A proposito, è molto facile convertire le funzioni Matlab in DLL Matlab che possono essere richiamate direttamente da MQL5. Matlab dispone di strumenti integrati per questo scopo. Il problema è che per far funzionare tali DLL è necessario installare il run-time distribuito gratuitamente da mathworks, che una volta era più di mezzo giga e ora probabilmente è ancora più grande.
Sì, grazie per il link con la letteratura, un sacco di materiale interessante.
Da qualche parte sul forum c'era un EA su Mashka, che ha fatto la chat GPT.
La cosa più interessante è che il codice analizza la MA sia in direzione di un aumento del numero di barre che di una diminuzione.
Naturalmente, non ho provato ad applicarlo in pratica a causa dei ripetuti fallimenti nell'uso degli indicatori, ma penso che ci sia qualcosa in esso.
---
TC ha posto una domanda sul trading su MN1.
Penso che l'idea di questo tipo di trading, a causa del discreto ritardo degli indicatori, alla fine si ridurrà all'analisi della situazione economica, non del grafico.