NSの入力値を正しく形成する方法。 - ページ 11 1...456789101112131415161718...31 新しいコメント TheXpert 2008.07.09 08:51 #101 LeoV писал (а)>> 入力値も単純な問題ではありません。メイン入力に何を供給するかは、多くの要因に左右されます。 1.どのようなニューラルネットワークが使われているのですか。 2.ニューラルネットワークから得たいもの、それは価格か動きの方向か反転ポイントか次のローソク足か何かです。 だから、まずこの問いを決めて、それからインプットを決めるべきでしょう。 これまで、2つのネットワークについてだけお話することをお勧めします。 1.こうほねネット 2.MLP。 続きは後ほど。 --- 2008.07.09 08:56 #102 1.ニューラルネットワークは 4-5層のノーマル(リングやスターなどのない直接伝搬)です。 2.ニューラルネットワークから、泡を出したい...。いやはや。まず、動きの方向と、可能であればその力の推定値(pipsのようなもの)を受け取りたいと思います。 私にとっては、今のところ(私の理解では)ニューロネットは近似値であることに変わりはありません。つまり、実際には入力変数と出力変数の関数的な関係を表現しようとしているのです。そして、それ故に、インプットに対する私の思いもあります。複雑すぎてもいけないし、アウトプットに多くを求めてもいけない。出力(方向、高度)についてはある程度明確ですが、入力については どうでしょうか。3日目にして頭を悩ませています。入力信号が常に一定の範囲にあるように処理する工夫ができないのが、とてももどかしい。というのも、全体のサンプルの最大値で正規化すると、将来的にもっと高い値が現れる可能性があり、ネットワークはそれを知らないし、その場合どうなるかは分からないからだ。もちろん、サインやシグモイドのような入力処理のバリエーションもありますが、線形 圧縮をしたい私には、間違っているように思えます。 出力には、おそらく双曲線依存性を使うことになるでしょう。(Up-Dn)/(Up+Dn)です。トルコが付属しています。 ファイル: _target.mq4 2 kb --- 2008.07.09 08:57 #103 TheXpert писал (а)>> 当面の間、2つのネットワークについてだけお話することを提案します。 1.コホーネンネットワーク 2. AN MLP MLP - multilayer perseptronとは? コウホネンはカラチノ。でも、たぶん2回目です。とはいえ...どこがどうなっているのかがわかればOKです。 ところで、コウホネンは先生がいなくても教えていますよね? TheXpert 2008.07.09 09:03 #104 sergeev писал (а)>> MLP - multilayer perseptronとは? はい ところで、コホーネンは先生がいなくても勉強していますよね? オリジナル版ではそうです。しかし、「教師あり紅蓮」と呼ばれる修正方法があり、この場合はパターンごとに自分たちで勝者を割り振ります。 --- 2008.07.09 09:09 #105 では、インプットはどうでしょう。誰がどんなネットワークとインプットを持っているか? TheXpert 2008.07.09 09:11 #106 sergeev писал (а)>> 2.ニューラルネットワークから、バ...いやはや。まず、動きの方向と、可能であればその強さ(pips単位など)を推定したい。 より良いものである必要はなく、演出だけで十分なのです。うまくいけば、電源は上からネジで固定できる。 今のところ、私にとって(私の言い方では)ニューラルネットワークは近似値であることに変わりはありません。 うん、そういうことだ。 つまり、実際には入力変数と出力変数の関数的な関係を表現しようとしているのです。そして、それ故に、インプットに対する私の思いもあります。複雑すぎてもいけないし、アウトプットに多くを求めてもいけない。出力(方向、高度)についてはある程度明確ですが、入力については どうでしょうか。3日目にして頭を悩ませています。しかし、入力信号が常に一定の範囲にあるように処理する方法が思い浮かばないのがもどかしいですね。 MACD もちろん、サインやシグモイドといった入力処理のバリエーションもありますが、線形 圧縮をしたい私には、すべてが間違っているように思えます。 これです。ここでのタスクは圧縮ではなく除算なので、XORでも分割できない線形圧縮ではなく 線形除算に なります。 したがって、非直線性が存在するはずです。任意のn層線形ペルセプトロンは、2層アナログに変換できる定理がある -- 入力→出力。 だから、リニアパーセプトロンはダメなんです。 TheXpert 2008.07.09 09:12 #107 sergeev писал (а)>> では、インプットはどうでしょう。誰がどんなネットやインプットを持っているのか? 限られた発振器への給電を試みても、結果は空の彼方へ。結論を出すには、膨大な作業が必要です。 --- 2008.07.09 09:17 #108 TheXpert писал (а)>> MACD は、最大更新が可能です。 これです。問題は圧縮ではなく分離なので、結果的に線形圧縮ではなく 線形分離に なり、XORでも分離できない。 したがって、非直線性が存在するはずです。任意のn層線形ペルセプトロンは、2層アナログに変換できる定理がある -- 入力→出力。 意味するところは、出力信号の直線性ではない。それは、ネットワークに入力する前に 、入力データを線形に圧縮することである。全軌道のデータをもとに[0, 1]の範囲に圧縮する。もし、ある非線形関数で範囲を変換すると、大きな値では飽和してしまい、その間に差がなくなってしまう。つまり、再現性があり、 それ故に矛盾が 生じる。圧縮はリニアに行わなければならない。でも、どうやって、将来も最大値を維持できるようにするのか。(脳がヒヤヒヤする)? TheXpert 2008.07.09 09:26 #109 sergeev писал (а)>> は、最大更新が可能です。 ええ、もちろんです。でも、私にはそれが良い選択肢に聞こえます。 意味するところは、出力信号の直線性ではない。それは、ネットワークに入力する前に 、入力データを線形に圧縮することである。全軌道のデータから区間[0, 1]に圧縮する。 >> あ、なるほど。 TheXpert 2008.07.09 09:29 #110 sergeev писал (а)>> もし、何らかの非線形関数による範囲への変換があった場合、大きな値では飽和し、その間の差はなくなる。つまり、再現性が あるため、矛盾が 生じるのです。圧縮はリニアに行わなければならない。でも、どうやって、将来も最大値を維持できるようにするのか。(脳がヒヤヒヤする)? そのためにデコレートを使ったりするわけです %) 1...456789101112131415161718...31 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
入力値も単純な問題ではありません。メイン入力に何を供給するかは、多くの要因に左右されます。
1.どのようなニューラルネットワークが使われているのですか。
2.ニューラルネットワークから得たいもの、それは価格か動きの方向か反転ポイントか次のローソク足か何かです。
だから、まずこの問いを決めて、それからインプットを決めるべきでしょう。
これまで、2つのネットワークについてだけお話することをお勧めします。
1.こうほねネット
2.MLP。
続きは後ほど。
1.ニューラルネットワークは 4-5層のノーマル(リングやスターなどのない直接伝搬)です。
2.ニューラルネットワークから、泡を出したい...。いやはや。まず、動きの方向と、可能であればその力の推定値(pipsのようなもの)を受け取りたいと思います。
私にとっては、今のところ(私の理解では)ニューロネットは近似値であることに変わりはありません。つまり、実際には入力変数と出力変数の関数的な関係を表現しようとしているのです。そして、それ故に、インプットに対する私の思いもあります。複雑すぎてもいけないし、アウトプットに多くを求めてもいけない。出力(方向、高度)についてはある程度明確ですが、入力については どうでしょうか。3日目にして頭を悩ませています。入力信号が常に一定の範囲にあるように処理する工夫ができないのが、とてももどかしい。というのも、全体のサンプルの最大値で正規化すると、将来的にもっと高い値が現れる可能性があり、ネットワークはそれを知らないし、その場合どうなるかは分からないからだ。もちろん、サインやシグモイドのような入力処理のバリエーションもありますが、線形 圧縮をしたい私には、間違っているように思えます。
出力には、おそらく双曲線依存性を使うことになるでしょう。(Up-Dn)/(Up+Dn)です。トルコが付属しています。
当面の間、2つのネットワークについてだけお話することを提案します。
1.コホーネンネットワーク
2. AN MLP
MLP - multilayer perseptronとは?
コウホネンはカラチノ。でも、たぶん2回目です。とはいえ...どこがどうなっているのかがわかればOKです。
ところで、コウホネンは先生がいなくても教えていますよね?
MLP - multilayer perseptronとは?
はい
ところで、コホーネンは先生がいなくても勉強していますよね?
オリジナル版ではそうです。しかし、「教師あり紅蓮」と呼ばれる修正方法があり、この場合はパターンごとに自分たちで勝者を割り振ります。
2.ニューラルネットワークから、バ...いやはや。まず、動きの方向と、可能であればその強さ(pips単位など)を推定したい。
より良いものである必要はなく、演出だけで十分なのです。うまくいけば、電源は上からネジで固定できる。
今のところ、私にとって(私の言い方では)ニューラルネットワークは近似値であることに変わりはありません。
うん、そういうことだ。
つまり、実際には入力変数と出力変数の関数的な関係を表現しようとしているのです。そして、それ故に、インプットに対する私の思いもあります。複雑すぎてもいけないし、アウトプットに多くを求めてもいけない。出力(方向、高度)についてはある程度明確ですが、入力については どうでしょうか。3日目にして頭を悩ませています。しかし、入力信号が常に一定の範囲にあるように処理する方法が思い浮かばないのがもどかしいですね。
MACD
もちろん、サインやシグモイドといった入力処理のバリエーションもありますが、線形 圧縮をしたい私には、すべてが間違っているように思えます。
これです。ここでのタスクは圧縮ではなく除算なので、XORでも分割できない線形圧縮ではなく 線形除算に なります。
したがって、非直線性が存在するはずです。任意のn層線形ペルセプトロンは、2層アナログに変換できる定理がある -- 入力→出力。
だから、リニアパーセプトロンはダメなんです。
では、インプットはどうでしょう。誰がどんなネットやインプットを持っているのか?
限られた発振器への給電を試みても、結果は空の彼方へ。結論を出すには、膨大な作業が必要です。
MACD
は、最大更新が可能です。
これです。問題は圧縮ではなく分離なので、結果的に線形圧縮ではなく 線形分離に なり、XORでも分離できない。
したがって、非直線性が存在するはずです。任意のn層線形ペルセプトロンは、2層アナログに変換できる定理がある -- 入力→出力。
意味するところは、出力信号の直線性ではない。それは、ネットワークに入力する前に 、入力データを線形に圧縮することである。全軌道のデータをもとに[0, 1]の範囲に圧縮する。もし、ある非線形関数で範囲を変換すると、大きな値では飽和してしまい、その間に差がなくなってしまう。つまり、再現性があり、 それ故に矛盾が 生じる。圧縮はリニアに行わなければならない。でも、どうやって、将来も最大値を維持できるようにするのか。(脳がヒヤヒヤする)?
は、最大更新が可能です。
ええ、もちろんです。でも、私にはそれが良い選択肢に聞こえます。
意味するところは、出力信号の直線性ではない。それは、ネットワークに入力する前に 、入力データを線形に圧縮することである。全軌道のデータから区間[0, 1]に圧縮する。
>> あ、なるほど。
もし、何らかの非線形関数による範囲への変換があった場合、大きな値では飽和し、その間の差はなくなる。つまり、再現性が あるため、矛盾が 生じるのです。圧縮はリニアに行わなければならない。でも、どうやって、将来も最大値を維持できるようにするのか。(脳がヒヤヒヤする)?
そのためにデコレートを使ったりするわけです %)