確率的ニューラルネットワーク、MT4用パッケージとアルゴリズム - ページ 19

 
信号の平滑化の度合いを変えたり、入力配列を質的に変えたりしてトポロジーを工夫してみましたが、結果は最悪でした。確率論的ネットワークでは、素人目にもネットワーク開発で遭遇するいくつかの方法論的矛盾にすぐに気づく。その1つは、テスト期間の幅がネットワークの非線形性に比例していることである。つまり、ネットワークをどのように最適化すればいいのかがわからないのです。
 
なんというかこちらがポルノです))
 
それ来た
ファイル:
pnn.zip  906 kb
 
xproit:
こちらです


ざっと見た感じではその通り、ポルノです(笑)。

なぜ、このように全く協調性のない入力の巨大な庭ができるのでしょうか?絶対 値とその差を同時に入力することに何の意味があるのか?ネッツはこれに「酔う」...。

 

MT4でデータファイルを用意して、そこに持っているものを全部入れて、NEUROSHELL 2で直接選択、結合などをしていることです。

 
xproit:

MT4で手持ちのものをすべて添付してデータファイルを用意し、NEUROSHELL 2では直接選択、結合などを行っていることです。


また、NS2の入力データファイルは見せてもらえますか?

そして、入力セットの分類の基準は何か、つまり、なぜ、このセットの例えば買い、この売りと判断するのか。 おっと、自分で見ちゃったよ...。

Z.U. ところで、数日前に比較的新しいNS2を掘り起こし、PNNで実験してみたところ......。

 
今でもトレーディングでネットを使っています。予測された指標値で売買シグナルを確認すること。これが、ラギングやアベレージングに比べたこの方法の最大の利点であろう。BZL MACD(High,15,30) のような平滑化されたラインを3ポイント先に予測する場合、エントリー時に指標のラグを使用しても、平均で0.995の相関係数を得ることができます。
 

要するに、確率的なネットワークは、入力配列を決定する作業の負荷が少ないということだ。学習中のネットワークは、全体の平滑化パラメータだけでなく、各入力の平滑化パラメータを個別に補正するアルゴリズムも使用する。つまり、学習時に、個々の平滑化パラメータの値を、入力の感度を分析するためのツールとして使用し、この入力に対するパラメータが多いほど、モデルにとってより重要な入力であることを示します。つまり、入力配列によってネットワークが最適化されることはない。より多くのインプット(候補)を与えることが望ましい。

 
一緒に仕事をしてみてください 私も、しばらく一緒に仕事をしています。データファイルというか、スクリプトを用意するためのインジケータを紹介します。
ファイル:
pnn_opt_1.zip  2 kb
 
xproit:
一緒に仕事をしてみてください 私も、しばらく一緒に仕事をしています。データファイルというか、スクリプトを用意するためのインジケータを紹介します。


見てみます、ありがとうございました。