市場のエチケット、あるいは地雷原でのマナー - ページ 89 1...828384858687888990919293949596...104 新しいコメント Neutron 2009.07.05 03:45 #881 paralocus писал(а)>> 学習サンプルの長さは、ネットワークの構成（入力数やニューロン数）だけではダメで、ネットワークを学習させたい行の特性も考慮する必要があるのではないかと思います。 これはBPが非定常であれば可能であり、補正は非定常性の性質によって決定される。しかし、まだ補正には程遠く、サンプル長が重みの数とNS入力の次元にどのように依存するかは分かっていない。直感的には、「 P=4*w」というのが一般的な見方で、これはNSのどのアーキテクチャでも同じだと思います。 フェードル、バイナリ予測の問題に対する私の "気づき "についてどう思う？つまり、BPという特殊なケースにおいて、統計解析を予測エンジンとしてNS並みに有効に使えるということは、プロセスのリソースインテンシブ化という点で、私たちの手を完全に解放してくれるのです。これは画期的なことだと思っています。勘違い」したトレーダーが、時間と労力をかけて適応型アーキテクチャを持つ5層NSを訓練するところ、必要なのは統計情報を集めることと、（レーニンの言うように）もじもじしないことだそうです。 Hide 2009.07.05 11:06 #882 ロボットとの戦争、ニューラルネットワークとの言葉 音声講座「株式分析入門」（「株式分析の哲学」）の資料 paralocus 2009.07.05 13:30 #883 Neutron >> : これはBPが非定常であれば可能であり、補正は非定常性の性質によって決定される。しかし、まだ補正には程遠く、サンプル長が重みの数とNS入力の次元にどのように依存するかは分かっていない。直感的には、「P=4*w」というのが一般的な見方で、これはNSのどのアーキテクチャでも同じだと思います。 フェードル、バイナリ予測の問題に対する私の "気づき "についてどう思う？つまり、BPという特殊なケースにおいて、統計解析を予測エンジンとしてNS並みに有効に使えるということは、プロセスのリソースインテンシブ化という点で、私たちの手を完全に解放してくれるのです。これは画期的なことだと思っています。勘違い」したトレーダーが、時間と労力をかけて適応型アーキテクチャを持つ5層NSを訓練するところ、必要なのは統計情報を集めることと、（レーニンの言うように）もじもじしないことだそうです。 セルゲイさん、魅力的でしょう？現在、私はティックに忙しく、これまでバイナリ入力のグリッド上の徹底したExpert Advisorを避けてきたため、ネットワークから撤退しています。しかし、今は少し時間があるので、バイナリ入力を含むグリッドの実験に戻るつもりです。グリッドが全くなくても大丈夫なら...。本当に画期的なことです。Privalだけでなく、Privalもパターンデータベースのアイデアを提案していたのを覚えています。 このようなデータベースを作成できる統計モデルがあれば、Expert Advisorは幼稚なほどシンプルでありながら、成熟した効果を発揮することができるだろう。グリッドは、次のレポートを予測するのではなく、パターン認識を行うというように、タスクを変えればいいのです。いかがでしょうか？ Михаил 2009.07.05 15:53 #884 Neutron писал(а)>> ...統計解析を予測マシンとして使うことで、リソースの集約度という点ではかなり手が空きますね。ブレイクスルーだと思うのですが...。 使用しない理由 - Ass.ルールまたは - コホーネン？ まさに確率と支持を与えてくれる。 削除済み 2009.07.05 17:17 #885 その意気だ!久しぶりの登場です。もう90ページもあるんですよ（笑)。皆さんもグリッドが作れるとなると、信じられないくらいです（笑)。 Neutron 2009.07.05 19:29 #886 M1kha1l писал(а)>> 使用しない理由 - Ass.ルールまたは - コホーネン？ まさに確率と支持を与えてくれる。 なぜだ！？ 結局、2値の入力データの場合、この作業は統計解析のパターンで解決できるのと同じことかもしれません。トレーニングや最適なアーキテクチャを探す手間もなく、自分の目で確かめられます。パラローカスが「エキスパートアドバイザーは、子供っぽいほどシンプルだが、大人っぽいほど効率的だ」と指摘したように、エキスパートアドバイザーは、子供っぽいほどシンプルだが、大人っぽいほど効率的である。 paralocus 2009.07.06 11:59 #887 バイナリ入力の実験に乗り出したところで、ひとつの疑問がある。すでに一度、質問しましたが、繰り返します。 最初のPT差分系列の符号を入力に与えると、次の増分のイナックが正確に予測できるはずなのですが...。 以下は私の単層コード（ここまででスタート）ですが、このコードはグリッド出力では符号ではなく振幅をエラーとしますが、OUT計算自体には符号が使われます。これでいいのでしょうか？誤差も符号か、最低限（もちろん細い方には関係ないのですが・・・）出力で適切な符号を得るのに十分な振幅であるべきではないでしょうか？ Vladimir Gomonov 2009.07.06 13:51 #888 paralocus писал(а)>> セルゲイ さん、魅力的でしょう？今は、ティックを取り上げたので、グリッドそのものからはやや距離を置き、バイナリー入力を持つグリッドのファンダメンタルExpert Advisorは今のところ避けています。しかし、今は少し時間があるので、バイナリ入力を含むグリッドの実験に戻るつもりです。グリッドが全くなくても大丈夫なら...。本当に画期的なことです。Privalだけ でなく、Privalもパターンデータベースのアイデアを提案していたのを覚えています。このようなデータベースを作成できる統計モデルがあれば、Expert Advisorは幼稚なほどシンプルでありながら、成熟した効果を発揮することができるだろう。グリッドは、次のレポートを予測するのではなく、パターン認識を行うというように、タスクを変えればいいのです。いかがでしょうか？ 驚きました :) なんだか頭のいい皆さんですが、中途半端なところを見てください。 この方式では、専門家の入力には、パターン統計と同じデータベースが必要である。さて、何パターン置く予定でしょうか？ 全部？ 頑張ってください．:) また、すべてではないとしたら、具体的には何人くらいですか？ そして、この作業はNSよりも簡単なのでしょうか？ 専門家は、最終的に必ず迅速に対応します。 ただ、データベースから "真実 "を読み込ませなければならない。 No Fuzzyは、ゴミのような過去（DB）から未来のジャムを抽出するのに役立つだろう。 // ワプチェタ、正直に言うと......確認しました。1年半ほど前。 // ただ、その図式はもっとエレガントだった。慎重かつ創造的に考えた結果、私は次のような方法を考え出した。ある瞬間、私が//特許の決定をしなければならない場合、私はそれを行うことはできません。 // 現在時制で持っているパターンを判断する必要があるのですが、ギガベースには // ギガベースは無関係なパターンばかり？ ストーブから今のパターンを取り出して、歴史をさかのぼる。 //統計を取りながら 集めたら、さっそく使っています。 問題の次元はx^nだけ減少する // times, ここで n=number of patterns in the database. へぇー。 // やりましたね。 結果を得た。 全体として // 否定的ですが、途中でメタ法を発見したこともあります。 どれとは言いませんよ、残念ですが。 だって... // それは、「見てみないとわからない」のです。 だから、自分でやるんです。 頑張ってください。(皮肉でなく) // もう一度まとめますが、この方式では期待した結果は得られません。でも、一種の "さとり "を得ることができる。 // 学習するメタシステムとしての市場の本質を理解するためのヒントになるかもしれません。どちらがGOODか。 paralocus 2009.07.06 14:09 #889 MetaDriver >> : >>それは愉快だ（笑) モギットは急いでいたのでしょうか？最後に笑う者は、カウボーイに言われるように... ここで大きなDBが出るとは思えません。せいぜい百数十パターン、もっと少ないかもしれませんね。ロウソクの明かりでシステムを動かしていたんでしょうね...。 Neutron 2009.07.06 14:37 #890 paralocus писал(а)>> バイナリ入力の実験に乗り出したところで、ひとつの疑問がある。すでに一度聞いたことがありますが、繰り返します。 最初のPT差分系列の符号を入力に与えると、次の増分のイナックが正確に予測できるはずなのですが...。 以下は私の単層コード（ここまででスタート）ですが、このコードはグリッド出力では符号ではなく振幅をエラーとしますが、OUT計算自体には符号が使われます。これでいいのでしょうか？エラーも符号とするか、最悪でも（もちろん最悪でも何もないのですが・・・）出力で適切な符号が得られる程度の振幅とすべきではないでしょうか？ バイナリBPへの移行の主な理由は、NSの入力の配給とホワイトニングの手順が拒否できること、そして最も重要なことは、連続分析値（無限大の値）から+/-1の2値のみを取るバイナリへの移行である。これにより、計算機資源を大幅に節約することができます。ネットワーク自体はORO方式で学習され、そのために実数（離散的ではない）の領域で定義された誤差を生成します。つまり、 入力に+/-1を与えると、-1から1までの範囲で10^-8のステップで出力が得られます。そして、ネットワークの学習が終了して初めて、予測された動きの符号を予測に使うべきで、その振幅は、正しい予測の確率に比例します（振幅は常に正です）。この確率は、MMブロックでの追加解析に利用できる。 他のBP解析手法と比較した場合のNSの利点は、「非常に少ない」入力データの空間において、非解析的（明示的ではない）多次元曲面を構築できることであり、その曲面に初期BP値が「引き付けられる」（コチラの最初の差分）ことである。2値表現の場合、超曲面を扱うが、これは多次元超立方体に縮退される。これは、表面はないけれども、結晶格子の節がある（比喩的に言えば）水晶のようなもので、その節の座標は分単位で分かっているので、表面の検出にリソースを使う必要はないのですが......。ネットワークは不要です。 1...828384858687888990919293949596...104 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
学習サンプルの長さは、ネットワークの構成（入力数やニューロン数）だけではダメで、ネットワークを学習させたい行の特性も考慮する必要があるのではないかと思います。
これはBPが非定常であれば可能であり、補正は非定常性の性質によって決定される。しかし、まだ補正には程遠く、サンプル長が重みの数とNS入力の次元にどのように依存するかは分かっていない。直感的には、「 P=4*w」というのが一般的な見方で、これはNSのどのアーキテクチャでも同じだと思います。
フェードル、バイナリ予測の問題に対する私の "気づき "についてどう思う？つまり、BPという特殊なケースにおいて、統計解析を予測エンジンとしてNS並みに有効に使えるということは、プロセスのリソースインテンシブ化という点で、私たちの手を完全に解放してくれるのです。これは画期的なことだと思っています。勘違い」したトレーダーが、時間と労力をかけて適応型アーキテクチャを持つ5層NSを訓練するところ、必要なのは統計情報を集めることと、（レーニンの言うように）もじもじしないことだそうです。
ロボットとの戦争、ニューラルネットワークとの言葉
音声講座「株式分析入門」（「株式分析の哲学」）の資料
これはBPが非定常であれば可能であり、補正は非定常性の性質によって決定される。しかし、まだ補正には程遠く、サンプル長が重みの数とNS入力の次元にどのように依存するかは分かっていない。直感的には、「P=4*w」というのが一般的な見方で、これはNSのどのアーキテクチャでも同じだと思います。
フェードル、バイナリ予測の問題に対する私の "気づき "についてどう思う？つまり、BPという特殊なケースにおいて、統計解析を予測エンジンとしてNS並みに有効に使えるということは、プロセスのリソースインテンシブ化という点で、私たちの手を完全に解放してくれるのです。これは画期的なことだと思っています。勘違い」したトレーダーが、時間と労力をかけて適応型アーキテクチャを持つ5層NSを訓練するところ、必要なのは統計情報を集めることと、（レーニンの言うように）もじもじしないことだそうです。
セルゲイさん、魅力的でしょう？現在、私はティックに忙しく、これまでバイナリ入力のグリッド上の徹底したExpert Advisorを避けてきたため、ネットワークから撤退しています。しかし、今は少し時間があるので、バイナリ入力を含むグリッドの実験に戻るつもりです。グリッドが全くなくても大丈夫なら...。本当に画期的なことです。Privalだけでなく、Privalもパターンデータベースのアイデアを提案していたのを覚えています。 このようなデータベースを作成できる統計モデルがあれば、Expert Advisorは幼稚なほどシンプルでありながら、成熟した効果を発揮することができるだろう。グリッドは、次のレポートを予測するのではなく、パターン認識を行うというように、タスクを変えればいいのです。いかがでしょうか？
...統計解析を予測マシンとして使うことで、リソースの集約度という点ではかなり手が空きますね。ブレイクスルーだと思うのですが...。
使用しない理由
- Ass.ルールまたは
- コホーネン？
まさに確率と支持を与えてくれる。
その意気だ!久しぶりの登場です。もう90ページもあるんですよ（笑)。皆さんもグリッドが作れるとなると、信じられないくらいです（笑)。
使用しない理由
- Ass.ルールまたは
- コホーネン？
まさに確率と支持を与えてくれる。
なぜだ！？
結局、2値の入力データの場合、この作業は統計解析のパターンで解決できるのと同じことかもしれません。トレーニングや最適なアーキテクチャを探す手間もなく、自分の目で確かめられます。パラローカスが「エキスパートアドバイザーは、子供っぽいほどシンプルだが、大人っぽいほど効率的だ」と指摘したように、エキスパートアドバイザーは、子供っぽいほどシンプルだが、大人っぽいほど効率的である。
バイナリ入力の実験に乗り出したところで、ひとつの疑問がある。すでに一度、質問しましたが、繰り返します。
最初のPT差分系列の符号を入力に与えると、次の増分のイナックが正確に予測できるはずなのですが...。
以下は私の単層コード（ここまででスタート）ですが、このコードはグリッド出力では符号ではなく振幅をエラーとしますが、OUT計算自体には符号が使われます。これでいいのでしょうか？誤差も符号か、最低限（もちろん細い方には関係ないのですが・・・）出力で適切な符号を得るのに十分な振幅であるべきではないでしょうか？
セルゲイ さん、魅力的でしょう？今は、ティックを取り上げたので、グリッドそのものからはやや距離を置き、バイナリー入力を持つグリッドのファンダメンタルExpert Advisorは今のところ避けています。しかし、今は少し時間があるので、バイナリ入力を含むグリッドの実験に戻るつもりです。グリッドが全くなくても大丈夫なら...。本当に画期的なことです。Privalだけ でなく、Privalもパターンデータベースのアイデアを提案していたのを覚えています。このようなデータベースを作成できる統計モデルがあれば、Expert Advisorは幼稚なほどシンプルでありながら、成熟した効果を発揮することができるだろう。グリッドは、次のレポートを予測するのではなく、パターン認識を行うというように、タスクを変えればいいのです。いかがでしょうか？
驚きました :) なんだか頭のいい皆さんですが、中途半端なところを見てください。 この方式では、専門家の入力には、パターン統計と同じデータベースが必要である。さて、何パターン置く予定でしょうか？
全部？ 頑張ってください．:) また、すべてではないとしたら、具体的には何人くらいですか？ そして、この作業はNSよりも簡単なのでしょうか？
専門家は、最終的に必ず迅速に対応します。 ただ、データベースから "真実 "を読み込ませなければならない。 No Fuzzyは、ゴミのような過去（DB）から未来のジャムを抽出するのに役立つだろう。
// ワプチェタ、正直に言うと......確認しました。1年半ほど前。
// ただ、その図式はもっとエレガントだった。慎重かつ創造的に考えた結果、私は次のような方法を考え出した。ある瞬間、私が//特許の決定をしなければならない場合、私はそれを行うことはできません。
// 現在時制で持っているパターンを判断する必要があるのですが、ギガベースには
// ギガベースは無関係なパターンばかり？ ストーブから今のパターンを取り出して、歴史をさかのぼる。
//統計を取りながら 集めたら、さっそく使っています。 問題の次元はx^nだけ減少する
// times, ここで n=number of patterns in the database. へぇー。
// やりましたね。 結果を得た。 全体として
// 否定的ですが、途中でメタ法を発見したこともあります。 どれとは言いませんよ、残念ですが。 だって...
// それは、「見てみないとわからない」のです。 だから、自分でやるんです。 頑張ってください。(皮肉でなく)
// もう一度まとめますが、この方式では期待した結果は得られません。でも、一種の "さとり "を得ることができる。
// 学習するメタシステムとしての市場の本質を理解するためのヒントになるかもしれません。どちらがGOODか。
>>それは愉快だ（笑)
モギットは急いでいたのでしょうか？最後に笑う者は、カウボーイに言われるように...
ここで大きなDBが出るとは思えません。せいぜい百数十パターン、もっと少ないかもしれませんね。ロウソクの明かりでシステムを動かしていたんでしょうね...。
バイナリ入力の実験に乗り出したところで、ひとつの疑問がある。すでに一度聞いたことがありますが、繰り返します。
最初のPT差分系列の符号を入力に与えると、次の増分のイナックが正確に予測できるはずなのですが...。
以下は私の単層コード（ここまででスタート）ですが、このコードはグリッド出力では符号ではなく振幅をエラーとしますが、OUT計算自体には符号が使われます。これでいいのでしょうか？エラーも符号とするか、最悪でも（もちろん最悪でも何もないのですが・・・）出力で適切な符号が得られる程度の振幅とすべきではないでしょうか？
バイナリBPへの移行の主な理由は、NSの入力の配給とホワイトニングの手順が拒否できること、そして最も重要なことは、連続分析値（無限大の値）から+/-1の2値のみを取るバイナリへの移行である。これにより、計算機資源を大幅に節約することができます。ネットワーク自体はORO方式で学習され、そのために実数（離散的ではない）の領域で定義された誤差を生成します。つまり、 入力に+/-1を与えると、-1から1までの範囲で10^-8のステップで出力が得られます。そして、ネットワークの学習が終了して初めて、予測された動きの符号を予測に使うべきで、その振幅は、正しい予測の確率に比例します（振幅は常に正です）。この確率は、MMブロックでの追加解析に利用できる。
他のBP解析手法と比較した場合のNSの利点は、「非常に少ない」入力データの空間において、非解析的（明示的ではない）多次元曲面を構築できることであり、その曲面に初期BP値が「引き付けられる」（コチラの最初の差分）ことである。2値表現の場合、超曲面を扱うが、これは多次元超立方体に縮退される。これは、表面はないけれども、結晶格子の節がある（比喩的に言えば）水晶のようなもので、その節の座標は分単位で分かっているので、表面の検出にリソースを使う必要はないのですが......。ネットワークは不要です。