トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 598 1...591592593594595596597598599600601602603604605...3399 新しいコメント Maxim Dmitrievsky 2018.01.22 12:20 #5971 アレクセイ・テレンテフ 1）トレーニングの様子はいかがですか？ウェイトがどのように適用されるのかがわからない。 2) ニューロン自体の重みは利用可能か？ 3) 媒介として、1-4次の終値または高速MAの微分を取ることができます。またはインクリメント。 4) 隠れ層の大きさを入力と同じにする。重みが加算器へ、すべてがクラシック、そして重みが活性化関数へ送られます。環境」として - ここでは、NSが既に外部から行ったアクション、例えばトランザクションを想定している...つまり、n個のアクションを逆算したシステムメモリ。同じことは、どのアクションがどんな結果をもたらしたかというフィードバックについても言えるそこで、入力レイヤーと同じ内部レイヤーを作り、後でもう1つ追加することにします。 Maxim Dmitrievsky 2018.01.22 12:28 #5972 ユーリイ・アサウレンコ時間を無駄にするだけです。実際のデータではうまくいきません。例：NSが1回間違えると、それ以降に影響する。そうではなく、nsは取引の連続性と有効性を追加要素として考慮する予定です。これはあくまでオプションであり、最終的なものだとは言っていませんそのため、他のアイデアを求めているのです+ トランジスタのような内蔵型適応素子です。と、メインNSには他のフィ Aleksey Terentev 2018.01.22 14:05 #5973 マキシム・ドミトリエフスキー 重みが加算器へ、すべてがクラシック、そして重みが活性化関数へ送られます。環境」として - ここでは、NSが既に外部から行ったアクション、例えばトランザクションを想定している...つまり、n個のアクションを逆算したシステムメモリ。同じことは、どのアクションがどんな結果をもたらしたかというフィードバックについても言えるというわけで、入力と同じ内部レイヤーを置き、後でもう一つ追加することにします。 そして、オプションとして、利益の合計をpipsで表示します。貿易が成功する→増える、逆も然り。 しかし、ここで微妙なのは、この場合は報酬と見なすべきで、Q機能の追加を考えなければならないことです。あるいは、報酬を意識した学習式を導き出す。 Maxim Dmitrievsky 2018.01.22 14:18 #5974 アレクセイ・テレンテフ では、利益の合計をpipsで表すとどうでしょう。貿易が成功する→増える、逆も然り。 しかし、ここで困るのは、この場合、報酬とみなさざるを得ないので、Qファンクションの利用を考える必要があることです。あるいは、報酬を意識した学習式を導き出す。ええ、わかりました :) いい選択肢ですね。今のところ式はシンプルで、別々のニューロンに過去のトレード結果が供給され、ニューロンですらなく、単に値がコンバイナーに加えられるだけです。 クーリングについてはまだよく読んでいないのですが Ivan Negreshniy 2018.01.22 14:57 #5975 マキシム・ドミトリエフスキー ええ、わかりました :) いい選択肢ですね。ここまでの式は単純で、過去のトレードの結果が供給される別々のニューロン、ニューロンですらなく、単に値が加算されるだけです。 クーリングについては、まだよく読んでいないのですが 2つの同じNSを作り、一方は従来の画像で訓練し、もう一方は最初のNSの予測結果に応じて重みを直接転送します。 Maxim Dmitrievsky 2018.01.22 15:12 #5976 イワン・ネグレシュニー 2つの同じNSを作り、一方は伝統的なイメージで教え、もう一方はスケールの直接転写で教え、最初の予測からの結果に従って投薬する、つまり、2番目はポジティブな経験のみから学ぶべきである。このようなバリエーションもあり、まず複数のNSを異なる周期で訓練し、それらを1つにまとめる......洗練されたフィッティングですね。）動作が不安定になったときに、それを理解し、動作を組み立て直してほしい。 Yuriy Asaulenko 2018.01.22 15:20 #5977 マキシム・ドミトリエフスキー このようなバリエーションもあり、まず複数のNSを異なる周期で訓練し、それらを1つにまとめる......洗練されたフィッティングですね。）あまりに抜け目なく動き始めると、自分でチューニングしていることを理解してほしい。 そういう目的のために、明らかに間違った構造を思いついたのでしょう。 Maxim Dmitrievsky 2018.01.22 15:26 #5978 ユーリイ・アサウレンコ 明らかにそのような目的のために間違った構造を持っています。どうやってるんですか？ Yuriy Asaulenko 2018.01.22 15:26 #5979 マキシム・ドミトリエフスキー どうやってるんですか？ 全くわからない）。でも、こんなの絶対ダメ。 Ivan Negreshniy 2018.01.22 15:28 #5980 マキシム・ドミトリエフスキー このようなバリエーションもあり、まず複数のNSを異なる周期で訓練し、それらを1つにまとめる......洗練されたフィッティングですね。）シャープに動き出したら理解して、自分で再構築してほしいまず - 委員会がよりよく動作することが証明されているように、正確にフィッティングではなく、それは精度の向上につながる、別々のモデルの反対符号の偏差に、例えば、説明することができる。第二に、提案するNSタンデムは、強化学習 法でも有益性が証明されている、単一の自己適応型モデルである。 1...591592593594595596597598599600601602603604605...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
1）トレーニングの様子はいかがですか？ウェイトがどのように適用されるのかがわからない。
2) ニューロン自体の重みは利用可能か？
3) 媒介として、1-4次の終値または高速MAの微分を取ることができます。またはインクリメント。
4) 隠れ層の大きさを入力と同じにする。
重みが加算器へ、すべてがクラシック、そして重みが活性化関数へ送られます。
環境」として - ここでは、NSが既に外部から行ったアクション、例えばトランザクションを想定している...つまり、n個のアクションを逆算したシステムメモリ。同じことは、どのアクションがどんな結果をもたらしたかというフィードバックについても言える
そこで、入力レイヤーと同じ内部レイヤーを作り、後でもう1つ追加することにします。
時間を無駄にするだけです。実際のデータではうまくいきません。
例：NSが1回間違えると、それ以降に影響する。
そうではなく、nsは取引の連続性と有効性を追加要素として考慮する予定です。これはあくまでオプションであり、最終的なものだとは言っていません
そのため、他のアイデアを求めているのです
+ トランジスタのような内蔵型適応素子です。
と、メインNSには他のフィ
重みが加算器へ、すべてがクラシック、そして重みが活性化関数へ送られます。
環境」として - ここでは、NSが既に外部から行ったアクション、例えばトランザクションを想定している...つまり、n個のアクションを逆算したシステムメモリ。同じことは、どのアクションがどんな結果をもたらしたかというフィードバックについても言える
というわけで、入力と同じ内部レイヤーを置き、後でもう一つ追加することにします。
しかし、ここで微妙なのは、この場合は報酬と見なすべきで、Q機能の追加を考えなければならないことです。あるいは、報酬を意識した学習式を導き出す。
では、利益の合計をpipsで表すとどうでしょう。貿易が成功する→増える、逆も然り。
しかし、ここで困るのは、この場合、報酬とみなさざるを得ないので、Qファンクションの利用を考える必要があることです。あるいは、報酬を意識した学習式を導き出す。
ええ、わかりました :) いい選択肢ですね。
今のところ式はシンプルで、別々のニューロンに過去のトレード結果が供給され、ニューロンですらなく、単に値がコンバイナーに加えられるだけです。 クーリングについてはまだよく読んでいないのですが
ええ、わかりました :) いい選択肢ですね。
ここまでの式は単純で、過去のトレードの結果が供給される別々のニューロン、ニューロンですらなく、単に値が加算されるだけです。 クーリングについては、まだよく読んでいないのですが
2つの同じNSを作り、一方は伝統的なイメージで教え、もう一方はスケールの直接転写で教え、最初の予測からの結果に従って投薬する、つまり、2番目はポジティブな経験のみから学ぶべきである。
このようなバリエーションもあり、まず複数のNSを異なる周期で訓練し、それらを1つにまとめる......洗練されたフィッティングですね。）
動作が不安定になったときに、それを理解し、動作を組み立て直してほしい。
このようなバリエーションもあり、まず複数のNSを異なる周期で訓練し、それらを1つにまとめる......洗練されたフィッティングですね。）
あまりに抜け目なく動き始めると、自分でチューニングしていることを理解してほしい。
明らかにそのような目的のために間違った構造を持っています。
どうやってるんですか？
どうやってるんですか？
このようなバリエーションもあり、まず複数のNSを異なる周期で訓練し、それらを1つにまとめる......洗練されたフィッティングですね。）
シャープに動き出したら理解して、自分で再構築してほしい
まず - 委員会がよりよく動作することが証明されているように、正確にフィッティングではなく、それは精度の向上につながる、別々のモデルの反対符号の偏差に、例えば、説明することができる。第二に、提案するNSタンデムは、強化学習 法でも有益性が証明されている、単一の自己適応型モデルである。