NS+指標。実験 - ページ 8 123456789101112 新しいコメント Alexey Petrov 2007.12.24 20:30 #71 klot: NSDTにはKohonenはありませんが、Adaptive Net Indicatorsアドオンには他のクラシファイヤーがあります。MT4やNSDTに直接接続することもできますが、NeuroShell2 netの場合は、MT4やNSDTに直接接続します。 コホーネンのネットは、どのようにトレードに使うつもりなのでしょうか。そこは3クラスではなく、もっと多いんです。得られたクラスを解析するためのアルゴリズムを考える必要がある。 最初にコホネン地図を 使った棒グラフの分類の研究を始めたとき、実験を簡単にするために、棒グラフを強気+1、弱気-1、かわし0というようにコード化しました。トレーニングの後、結局4クラスが空っぽになりました。クラス数を11に修正し、このグリッドをМТ4で埋めました。次に、スクリプトを使って、すべての極値付近の3つのクラスを入力し、簡単な逆算を行いました。入力データは「そのまま」、つまりクラス番号だけである。ノーマライゼーションは全くなかった。そして、これらのグリッドのみで構成されるシンプルなExpert Advisorを「設定」し、2005年は逆方向からのシグナルを使用します。不思議なことに、それさえもうまくいったのです。もちろん、実験でもなく、実験室での作業ですから、結果について結論を出そうともしませんでした。でも、このプロジェクトの展望は考えておきたいと思いました。 つまり、クラス選択アルゴリズムは必要なかったんです。NS2自体のグラフにすべて明確に描かれていました。また、一般的にはNS2自体で目的の結果を得ることが可能です。でも、そのためには、ちょっとジャンプして、パラメータを弄ったり、グラフを見たり、出力データを見たりする必要があるんです。だから、ちょっと面倒だけど、かなり可能性がある。 Eduard 2007.12.24 20:58 #72 klot:興人のネットワークをどのように取引に活用するつもりなのでしょう。クラスは3つではなく、もっとたくさんあります。得られたクラスを解析するための何らかのアルゴリズムを考える必要があります。 確かに、3でも10でもない。最初の段階では、手作業で分析し、適切なクライテリアを考えています。そして、それを自動化する。予定されている内容から言うと、 - 各入力は「理想化の度合い」、つまり局所的な極値(33)にどれだけ近いかを評価する。例えば - それから各クラスは純度の観点から、どれだけの入力が理想かそれに近く、どれだけが空なのかを評価することができるだろう。 最初のバージョンの入力セット(ニューロン)の研究では、市場参入の 観点からかなり許容できる2-3クラスが存在することがわかった。そして、これらのクラスのパワーで1日2〜4回程度のトレードを実現しています。 すべてがまだ未完成で、開発中です :-)それから、独立してネットワークを作り、訓練し、推定し、内蔵テスターで実行し、結果を保存し、新しいものを作り、実行し、「チャンピオン」を選択する、などのプログラムを作る予定です(すでに始めています)。 ZSY.OK、とりあえずNS2を虐めておきますが、インターフェースとネットワークの学習結果の評価だけは、やはり惨めですね。 Леонид 2007.12.24 21:16 #73 klot: NSDTにコホーネンはありません。 なぜダメなのか?ありますね。 Dmitrii 2007.12.25 08:00 #74 コホーネンネットワークを利用する場合、事前に何クラスもらえるかわからない。学習過程では、与えられた分離可能基準(ユークリッド距離など)を満たす限り、入力特徴ベクトルはクラスに分割される。仮に「クラスター」を得て、中心を見つけ、そして...。 視覚的に、地図で、もちろん推定はできますが、自動化が望まれます。 第二段階は、どのクラスが、どのアクションに対応しているかを示す教師が必要です。 私もまだ未熟です。アイデア、展開がある。私もNS2で仕事をしています。 Леонид 2007.12.25 08:54 #75 klot: コホーネンネットワークを利用する場合、事前に何クラスもらえるかわからない。学習過程では、与えられた分離可能基準(ユークリッド距離など)を満たす限り、入力特徴ベクトルはクラスに分割される。仮に「クラスター」を得て、中心を見つけ、そして...。 視覚的に、地図上で、もちろん推定はできますが、自動的であることが望ましいと思います。第二段階として、どのクラスがどの行動に対応するのか、先生が示す必要があります。 私もまだ未熟です。アイデア、展開がある。私もNS2で仕事をしています。 まあ、何級になるかは言えないか。すべてお伝えします。NSH2はどうなのか分かりませんが(見ていないので何とも言えません)、トレーダーでは、買いクラス、売りクラス、買いっぱなし、売りっぱなしと、いくらでもクラスを指定することが可能です。必要な数だけ授業を受けることができます。しかも、何の問題もなく......。 Eduard 2007.12.25 10:22 #76 NS2ではコホネン地図の 色付けができないし、クラスタリングをその場で変更することもできないので、デダクタでは簡単にできます。そのためにネットワークを再トレーニングする必要はないのですクラスに結合するためのパラメータを変更するだけです。同じ演繹装置で、クラスの数を設定したり、クラスタリングの有意水準を設定したり、それから、クラスがいくつになるかは本当に不明ですが、全くクラスなしで、入力がどのセルに入るかを見ることができます。 Eduard 2007.12.25 10:52 #77 www.basegroup.ru、googleで簡単に検索することもできます。 Леонид 2007.12.25 11:20 #78 TedBeer: www.basegroup.ru、googleで簡単に検索することもできます。 法的なものはありますか? Eduard 2007.12.25 11:56 #79 完全に合法的なアカデミックフリーバージョンをウェブサイト上で公開しています。 Dmitrii 2007.12.25 12:21 #80 TedBeer: www.basegroup.ru、googleで簡単に検索することもできます。 私のお気に入りのサイト :)そこで、アルゴリズムのほとんどを手に入れました。 123456789101112 新しいコメント 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
NSDTにはKohonenはありませんが、Adaptive Net Indicatorsアドオンには他のクラシファイヤーがあります。MT4やNSDTに直接接続することもできますが、NeuroShell2 netの場合は、MT4やNSDTに直接接続します。
コホーネンのネットは、どのようにトレードに使うつもりなのでしょうか。そこは3クラスではなく、もっと多いんです。得られたクラスを解析するためのアルゴリズムを考える必要がある。
最初にコホネン地図を 使った棒グラフの分類の研究を始めたとき、実験を簡単にするために、棒グラフを強気+1、弱気-1、かわし0というようにコード化しました。トレーニングの後、結局4クラスが空っぽになりました。クラス数を11に修正し、このグリッドをМТ4で埋めました。次に、スクリプトを使って、すべての極値付近の3つのクラスを入力し、簡単な逆算を行いました。入力データは「そのまま」、つまりクラス番号だけである。ノーマライゼーションは全くなかった。そして、これらのグリッドのみで構成されるシンプルなExpert Advisorを「設定」し、2005年は逆方向からのシグナルを使用します。不思議なことに、それさえもうまくいったのです。もちろん、実験でもなく、実験室での作業ですから、結果について結論を出そうともしませんでした。でも、このプロジェクトの展望は考えておきたいと思いました。
つまり、クラス選択アルゴリズムは必要なかったんです。NS2自体のグラフにすべて明確に描かれていました。また、一般的にはNS2自体で目的の結果を得ることが可能です。でも、そのためには、ちょっとジャンプして、パラメータを弄ったり、グラフを見たり、出力データを見たりする必要があるんです。だから、ちょっと面倒だけど、かなり可能性がある。
興人のネットワークをどのように取引に活用するつもりなのでしょう。クラスは3つではなく、もっとたくさんあります。得られたクラスを解析するための何らかのアルゴリズムを考える必要があります。
確かに、3でも10でもない。最初の段階では、手作業で分析し、適切なクライテリアを考えています。そして、それを自動化する。予定されている内容から言うと、
- 各入力は「理想化の度合い」、つまり局所的な極値(33)にどれだけ近いかを評価する。例えば
- それから各クラスは純度の観点から、どれだけの入力が理想かそれに近く、どれだけが空なのかを評価することができるだろう。
最初のバージョンの入力セット(ニューロン)の研究では、市場参入の 観点からかなり許容できる2-3クラスが存在することがわかった。そして、これらのクラスのパワーで1日2〜4回程度のトレードを実現しています。
すべてがまだ未完成で、開発中です :-)それから、独立してネットワークを作り、訓練し、推定し、内蔵テスターで実行し、結果を保存し、新しいものを作り、実行し、「チャンピオン」を選択する、などのプログラムを作る予定です(すでに始めています)。
ZSY.OK、とりあえずNS2を虐めておきますが、インターフェースとネットワークの学習結果の評価だけは、やはり惨めですね。
なぜダメなのか?ありますね。
コホーネンネットワークを利用する場合、事前に何クラスもらえるかわからない。学習過程では、与えられた分離可能基準(ユークリッド距離など)を満たす限り、入力特徴ベクトルはクラスに分割される。仮に「クラスター」を得て、中心を見つけ、そして...。
視覚的に、地図で、もちろん推定はできますが、自動化が望まれます。 第二段階は、どのクラスが、どのアクションに対応しているかを示す教師が必要です。
私もまだ未熟です。アイデア、展開がある。私もNS2で仕事をしています。
コホーネンネットワークを利用する場合、事前に何クラスもらえるかわからない。学習過程では、与えられた分離可能基準(ユークリッド距離など)を満たす限り、入力特徴ベクトルはクラスに分割される。仮に「クラスター」を得て、中心を見つけ、そして...。
視覚的に、地図上で、もちろん推定はできますが、自動的であることが望ましいと思います。第二段階として、どのクラスがどの行動に対応するのか、先生が示す必要があります。
私もまだ未熟です。アイデア、展開がある。私もNS2で仕事をしています。
まあ、何級になるかは言えないか。すべてお伝えします。NSH2はどうなのか分かりませんが(見ていないので何とも言えません)、トレーダーでは、買いクラス、売りクラス、買いっぱなし、売りっぱなしと、いくらでもクラスを指定することが可能です。必要な数だけ授業を受けることができます。しかも、何の問題もなく......。
NS2ではコホネン地図の 色付けができないし、クラスタリングをその場で変更することもできないので、デダクタでは簡単にできます。そのためにネットワークを再トレーニングする必要はないのですクラスに結合するためのパラメータを変更するだけです。同じ演繹装置で、クラスの数を設定したり、クラスタリングの有意水準を設定したり、それから、クラスがいくつになるかは本当に不明ですが、全くクラスなしで、入力がどのセルに入るかを見ることができます。
www.basegroup.ru、googleで簡単に検索することもできます。
www.basegroup.ru、googleで簡単に検索することもできます。
www.basegroup.ru、googleで簡単に検索することもできます。