MTSにおける人工知能の活用 - ページ 24

 
Vinin:
という疑問が湧いてきました。どなたか、コクーンネットが鍛えられているかどうかの判断基準をお持ちの方はいらっしゃいませんか?

NSのシグナルに従って80-95%の取引が利益を上げていれば、ネットワークは訓練されたと言える。
 
meta-trader2007 писал (а):
Vinin:
質問があります。コクネンネットワークが鍛えられているかどうかの判断基準をお持ちの方はいらっしゃいますか?

NSのシグナルに従って80~95%のトレードが利益を上げていれば、訓練されていると言えるでしょう。 。


コウホネン 地図の場合は、まだ先の話です。例えば、50×50の小さな地図にすると、2500クラスの可能性があることになります。まだ、取引判断のアルゴリズムを考えないと...。

 
klot:
meta-trader2007 さんが書き込みました:
Vinin:
質問があります。コクネンネットワークが鍛えられているかどうかの判断基準をお持ちの方はいらっしゃいますか?

NSのシグナルに従って80~95%のトレードが利益を上げていれば、訓練されていると言えるでしょう。 。


コウホネン地図の場合は、まだ先の話です。例えば、50×50の小さな地図にすると、2500クラスの可能性があることになります。やはり取引判断のためのアルゴリズムを考えないと...。


私はシンプルに考えています。私はリホビドフ氏の方法に従ってローソク足をコーディングしています。

センサーが生成する乱数列でネットワークを学習させています。

第3のステップ、入口と出口を見つけること。

コンテストでも同じものが使われたが、歴史によって装着された。

ちょうどネットワークの学習 時に、重みのベクトルと入力配列の偏差を出力しています。かなり大きな違いがあることがわかります。(ということです)、エポックごとの最大偏差と最小偏差の間で減少しないのです。いろいろなアクションを試しましたが、結果は同じです。そして、それ故に、学習基準の問題が発生します。

結果は2対1で、2つの利益のある取引に対して、1つは負けていることになります。

 
Vinin:
klot:
meta-trader2007さんが書きました(a)。
ヴィン
ここで質問です。どなたか、コウホネンネットが鍛えられているかどうかの判断基準をお持ちの方はいらっしゃいますか?

NSのシグナルに従って80〜95%のトレードが利益を上げていれば、それは訓練されたネットワークと言えるでしょう。


コホーネンカードの場合、これはまだ先の話です。例えば50×50の小さなカードであれば、2500クラスの可能性があることになります。まだ、取引判断のアルゴリズムを考えないと...。


シンプルにしたんだ。ほぼLikhovidovによるとキャンドルをコーディングする。

ネットワークは、センサーが生成する乱数列で学習される。

第3段階、入口と出口を見つけること。

コンテストもそうでしたが、tnmは歴史にフィットしていたんですね。

ちょうどネットワークの学習時に、重みのベクトルと入力配列の偏差を出力しています。かなり大きな違いがあることがわかります。(ということです)、エポックごとの最大偏差と最小偏差の間で減少しないのです。いろいろなアクションを試しましたが、結果は同じです。そして、それ故に、学習基準の問題が発生します。

学習結果は2対1で、2つの有益な取引に対して1つは不採算となる。

見てみよう。市場の価格推移のバリエーションと同じだけ、正しい解答があるのです :) .私もリアルで取引しているExpert Advisorでコンテストに参加しています。
 
klot:
ヴィン
klot:
meta-trader2007さんが書きました(a)。
ヴィン
ここで質問です。どなたか、コウホネンネットが鍛えられているかどうかの判断基準をお持ちの方はいらっしゃいますか?

NSのシグナルに従って80〜95%のトレードが利益を上げていれば、それは訓練されたネットワークと言えるでしょう。


コホーネンカードの場合、これはまだ先の話です。例えば50×50の小さなカードであれば、2500クラスの可能性があることになります。やはり、売買の判断をするためのアルゴリズムを考えないと...。


シンプルにしたんだ。ほぼLikhovidovによるとキャンドルをコーディングする。

ネットワークは、センサーが生成する乱数列で学習される。

第3段階、入口と出口を見つけること。

コンテストもそうでしたが、tnmは歴史にフィットしていたんですね。

ちょうどネットワークの学習時に、重みのベクトルと入力配列の偏差を出力しています。かなり大きな違いがあることがわかります。(ということです)、エポックごとの最大偏差と最小偏差の間で減少しないのです。いろいろなアクションを試しましたが、結果は同じです。そして、それ故に、学習基準の問題が発生します。

学習結果は2対1で、2つの利益のある取引に対して1つは負けています。

見てみよう。市場の価格推移のバリエーションと同じだけ、正しい解答があるのです :) .私もリアルで取引しているエキスパートでコンテストに参加しています。
といったところでしょうか。学習基準についてはどうでしょう。選択肢は尽きました。
 
Vinin:
klot:
ヴィン
klot:
meta-trader2007さんが書きました(a)です。
ヴィン
ここで質問です。コホーネンネットワークが学習済みかどうかを判断する基準をお持ちの方はいらっしゃいますか?

NSのシグナルに従って80〜95%のトレードが利益を上げていれば、それは訓練されたネットワークと言えるでしょう。


コホーネンカードの場合、これはまだ先の話です。例えば50×50の小さなカードであれば、2500クラスの可能性があることになります。やはり、売買の判断をするためのアルゴリズムを考えないと...。


シンプルにしたんだ。ほぼLikhovidovによるとキャンドルをコーディングする。

ネットワークは、センサーが生成する乱数列で学習される。

第3段階、入口と出口を見つけること。

コンテストもそうでしたが、tnmは歴史にフィットしていたんですね。

単純に、ネットワークを学習させるときに、入力配列と重みのベクトルの偏差を出力するんです。かなり大きな違いがあることがわかります。(ということです)、エポックごとの最大偏差と最小偏差の間で減少しないのです。いろいろなアクションを試しましたが、結果は同じです。そして、それ故に、学習基準の問題が発生します。

学習の結果は2対1で、2つの利益のある取引に対して1つは負けています。

見てみよう。市場の価格推移のバリエーションと同じだけ、正しい解答があるのです :) .私もリアルで取引しているエキスパートでコンテストに参加しています。
といったところでしょうか。学習基準についてはどうでしょう。選択肢は尽きました。


上に書いたのは、学習基準についてですが...。- 然うは問屋が卸さない

一般に、Neuroshel2はKohonenカードの典型的な例を持っているので、使ってみてください。試してみると、いろいろなことが見えてくるはずです。

また、Tartanのフォーラムには、Kohonen Mapsを含む5つのニューラルネットワークアルゴリズムを 実装した、MKL4用の完全なニューラルネットワークライブラリを置きました。

ニューラルネットワークのトレーニングアルゴリズム(純粋にMQL4で書かれている)と取引戦略のパラメータ検索を一つの関数で行う例を持っています - これは自動最適化のようなものです。

 

このタータンフォーラムは何ですか?

 
AlexSTAL:

このタータンフォーラムは何ですか?



Google rus "FXタータンニューロ"
http://www.fxexpert.ru/forum/index.php?showtopic=656?
 

ある時間間隔での最適化で異なる結果が得られるのは、遺伝的アルゴリズムが その都度新しい遺伝的発展の道を選んでいるということなのでしょうか。)このような無意味なことに直面した人はいますか?こうした問題があるため、戦略の成功に関する統計を取ることができないのです......。

 
フィットネス関数の表面は非常にくぼんでいることがあるので、明確な最大値はなく、たくさんあり、それらはほぼ同じです。それとも、GAが正常に機能していないのか...。