トレーディングにおけるニューラルネットワークの活用 - ページ 6 12345678910111213...20 新しいコメント Neutron 2009.03.22 16:29 #51 Mathemat писал(а)>> よし、セルゲイ、ゆっくり悲しんでいこう。まず、一般的な定理を扱おう。以下はそのリンク です。定理24,25,26を参照。 注:Th 24は分布の密度 関数を扱います。 しかし、Th 25はまさにあなたが必要としている、分布関数に関するものです。 また、Th 26の結果8を見てください。 この結果の3番目の式は、私が一様なものからガウスを得たいと思ったときに話していたことと全く同じです。 そして、指数関数的に分布するものについては、その分布関数(積分)をきちんと求め、Th25を適用すればよいのです。 ありがとう、見てみるよ。 ちょうどいい勉強させていただきます。 FION さんが書き込みました >>1 アーキテクチャを任意にスケーリングする」とはどういう意味ですか?私が理解する限り、アーキテクチャとはネットワークの構造のことです。そしてスケーリングは、何らかのデータ配給機能を利用することです。100入力はちょっと多いですね。それとも、あなたの100は他のものですか? TCの入力パラメータとして推測したもので、入力数(現在100を使用)を1~200まで変更できることを意味します。レイヤーの数(1~3)。各層のニューロン数(1〜1024)。出力層には常に1つのニューロンが含まれる。 削除済み 2009.03.23 04:29 #52 sol >> : 私のネットワークは、24時間ごとに再トレーニングを行うだけです。それがプラスなのかマイナスなのかは分かりませんが。でも、今のところ、ファンキーです。 >>素晴らしい) Artem Titarenko 2009.03.23 11:53 #53 機械学習リポジトリ 標準タスクのリンクはこちらです。通常、異なるアルゴリズムや前処理方法などをテストするために使用されます。 また、その上でトレーニングを行い、ネットワークの使い方を学び、「NSによる予知や分類とは何か」、むしろ「ニューラルネットワークでどのようなエラーが予想されるか」などを自分の目で確認することができます。 タスクの説明は、同じ場所で、上記の... 以下は、1つのタスク(OptDigits)のサンプルからの小さな例です。 入力値です。 000000000101100111111111111110000000 00000000011111111111111111110000 00000000011111111111111111110000 00000000011111111111111111111111111111110000 00000000011111111111111100000000 00000000011111111111110000000000000000 0000000111111111111110000000000 000000011111111111111000000 000000011111111111111000000 00000001111111111111111000000 0000000111111111111111110000 0000000111111111111111110000 00000001111111111111110000 0000000111111111111110000 000000011111111100 0000000000000000000011111111110000 0000000000000000000000000111111111110000 0000000000000000000000000001111111100000 0000000000000000000001111111100000 00000000000000000111111111100000 000000000000000000000111111111110000 00000000001111111111111000000 0000000000111111111000000 000000000011111111111000000 000000000001111111111110000000000 0000000000011111111110000000000 0000000000111111100000000000000 000000001111100000000000000 出力:5 Using Neural Networks in Neutron 2009.03.23 13:21 #54 Mathemat писал(а)>> 以下はそのリンク です。定理24,25,26を参照。 わからなかったんです。 見てみよう。左側がEURUSDの分足バーの始値の確率密度、右側が分布関数です。 さて、リンク 先です。 最初の図に示す分布から定数1を求めたいとします。とすれば、次のような恒等式を得ることは難しくない。 ここで、f(x)は等しいに行きたい元の確率密度、g(x)は「棚」を得るために入力データを乗じる必要がある何らかの関数である。さて、次はどうする?この微分方程式を解きなさい...どうしたらいいのかわからない。 探し続けよう。 セグメントについては、重要ではないので、何も言いません。なんて書いてあるんだ?文字通り、分布関数F(x)(右図)があれば、目的の「棚」を得るのに何のコストもかからないということだ--この開口部によって入力データに影響を与えるだけで十分だからだ......。しかし、これはナンセンスだ!私見ですが、初期からこのような均一な分布は得られないと思います。とにかく、本当の数学が得意な人。>> Ow! Sceptic Philozoff 2009.03.23 14:00 #55 Neutron писал(а)>> このセクションについては、今は何も言いません。ここで主張されていることは何でしょうか。文字通り、分布関数F(x)(右図)があれば、目的の「棚」を得るのに何のコストもかからないということです - これは、このオープナーによって入力データに影響を与えるのに十分だからです...。しかし、これはナンセンスだ!私見ですが、初期からこのような均一な分布は得られないと思います。とにかく、本当の数学が得意な人。痛っ! そうだ、セルゲイ、その通りだ。このナンセンスを受け止めて、確認してみてください(というより、まさにそうである理由を理解してみてください)。正規分布の量を生成し、ガウス関数(積分)で影響を与える。ただ、2つの関数(積分分布則と2番目の関数)が絶対に同じになるようにすることを忘れないでください。 追伸:分布密度や微分については、気にしないでください。何のために必要なのか?それだと、横から見ただけでは同じことになります。 P.P.S.セルゲイ さん、そうですね、私自身、一様な値から正規分布の値を求めたことがあります、最初のものに積分ガウス関数の逆数を作用させることで。そして今度は、その計算を逆にしてみましょう...。 削除済み 2009.03.23 15:30 #56 お前ら何しに来たんだ...。my poor brain... SZS:ところで、以前からお聞きしたかったのですが、なぜ価格関数は連続であると考えなければならないのでしょうか? もし離散であったらどうでしょうか? Artem Titarenko 2009.03.23 16:19 #57 さて、セルゲイさん、 Mathematicsは 今、私があなたに書いたようなことを言っています。自分の目で確かめよう。 以下は、(経験的に)分布関数です。 では、式(1/OREN(6,2828))*EXP(-ABS(DIVISION(A1;2)/2))で理論的に作ってみよう(忘れました、正しい呼び方ですか?) ライトグリーンは、ブルーとぴったりと近似していればいいのです。そうすれば、一体型の完璧な「棚」を手に入れることができる...。 積分の様子です(シグモイド!!)。 私の考えでは、経験的分布関数を係数(どんなものかわかりませんが)で理論的分布関数に近似すればよいのではないでしょうか。そして、これらの係数をシグモイドに代入すると、シグモイドを通した後の分布が等しくなる。 アレクセイ、私の考えはまったく正しいのだろうか?このテーマで何か提案できるかもしれませんね。 Prival 2009.03.23 17:34 #58 なるほど、そのスレッドを見逃してました。さて、まだあるかどうか、見回ってみます。Tikhonovの数学をダウンロードしたところ、与えられた値の必要なPDの求め方(例題付き)が載っていますが、万人向けではないようです。逆関数を計算する必要があります ...何に対してだけかは覚えていない。 Neutron 2009.03.23 17:49 #59 StatBars писал(а)>> さて、セルゲイさん、 Mathematicsは 今、私があなたに書いたようなことを言っています。では、それを確かめるためにやってみましょう。 確かめよう。 以下は、(経験的に)分布関数です。 いいえ、分布関数ではなく、確率密度関数です(Alexeiの リンク参照)。 ライトグリーンの方は、ブルーの方と完全に近似しているはずです。そうすれば、理想的な「棚」を一体で手に入れることができる...。 積分の様子です(シグモイド!!)。 正確にはシグモイドではなく、上限が可変のガウシアンの積分です。erf(x)は表形式の関数です。 経験的な分布関数を係数(わからない)で近似して、理論的な分布関数を作るということです。そして、これらの係数をシグモイドに代入し、データをシグモイドに通した後、一様分布になるようにします。 近似に問題はなく、得られた分布関数erf(x)をどうすればいいのかが明確でないところから始まる。これが、上記の話です。 Artem Titarenko 2009.03.23 23:09 #60 そうですね、確かに定義(分布・分布密度)を間違えていました...。 erf()をどうするか - わからん。 ここでは、通常のシグモイドとその微分を紹介します。なぜSIGMODなのか?- 単にシグモイドがerf(x)でないためです。:) さて、データを取り、経験則を構築し、密度が一致するように係数AとBを選択します。積分値もプロットされている。 ここで、求めた係数を積分に代入して計算する。 それが、私たちの手に入るものなのです。 あとは、理論的な知識よりも直感でやったので、すべてを理論的に「あてはめる」必要があります。 専門家の皆さんに質問です - 係数AとBを求めるにはどうしたらいいですか?もしかして、AとBは必要ない、録画分配法の他の形がある、などということはないでしょうか? それとも、全部デタラメで、そんなことはできないのでしょうか? 12345678910111213...20 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
よし、セルゲイ、ゆっくり悲しんでいこう。まず、一般的な定理を扱おう。以下はそのリンク です。定理24,25,26を参照。
注:Th 24は分布の密度 関数を扱います。
しかし、Th 25はまさにあなたが必要としている、分布関数に関するものです。
また、Th 26の結果8を見てください。 この結果の3番目の式は、私が一様なものからガウスを得たいと思ったときに話していたことと全く同じです。
そして、指数関数的に分布するものについては、その分布関数(積分)をきちんと求め、Th25を適用すればよいのです。
ありがとう、見てみるよ。
ちょうどいい勉強させていただきます。
アーキテクチャを任意にスケーリングする」とはどういう意味ですか?私が理解する限り、アーキテクチャとはネットワークの構造のことです。そしてスケーリングは、何らかのデータ配給機能を利用することです。100入力はちょっと多いですね。それとも、あなたの100は他のものですか?
私のネットワークは、24時間ごとに再トレーニングを行うだけです。それがプラスなのかマイナスなのかは分かりませんが。でも、今のところ、ファンキーです。
>>素晴らしい)
機械学習リポジトリ
標準タスクのリンクはこちらです。通常、異なるアルゴリズムや前処理方法などをテストするために使用されます。
また、その上でトレーニングを行い、ネットワークの使い方を学び、「NSによる予知や分類とは何か」、むしろ「ニューラルネットワークでどのようなエラーが予想されるか」などを自分の目で確認することができます。
タスクの説明は、同じ場所で、上記の...
以下は、1つのタスク(OptDigits)のサンプルからの小さな例です。
入力値です。
000000000101100111111111111110000000
00000000011111111111111111110000
00000000011111111111111111110000
00000000011111111111111111111111111111110000
00000000011111111111111100000000
00000000011111111111110000000000000000
0000000111111111111110000000000
000000011111111111111000000
000000011111111111111000000
00000001111111111111111000000
0000000111111111111111110000
0000000111111111111111110000
00000001111111111111110000
0000000111111111111110000
000000011111111100
0000000000000000000011111111110000
0000000000000000000000000111111111110000
0000000000000000000000000001111111100000
0000000000000000000001111111100000
00000000000000000111111111100000
000000000000000000000111111111110000
00000000001111111111111000000
0000000000111111111000000
000000000011111111111000000
000000000001111111111110000000000
0000000000011111111110000000000
0000000000111111100000000000000
000000001111100000000000000
出力:5
以下はそのリンク です。定理24,25,26を参照。
わからなかったんです。
見てみよう。左側がEURUSDの分足バーの始値の確率密度、右側が分布関数です。
さて、リンク 先です。
最初の図に示す分布から定数1を求めたいとします。とすれば、次のような恒等式を得ることは難しくない。
探し続けよう。
セグメントについては、重要ではないので、何も言いません。なんて書いてあるんだ?文字通り、分布関数F(x)(右図)があれば、目的の「棚」を得るのに何のコストもかからないということだ--この開口部によって入力データに影響を与えるだけで十分だからだ......。しかし、これはナンセンスだ!私見ですが、初期からこのような均一な分布は得られないと思います。とにかく、本当の数学が得意な人。>> Ow!
このセクションについては、今は何も言いません。ここで主張されていることは何でしょうか。文字通り、分布関数F(x)(右図)があれば、目的の「棚」を得るのに何のコストもかからないということです - これは、このオープナーによって入力データに影響を与えるのに十分だからです...。しかし、これはナンセンスだ!私見ですが、初期からこのような均一な分布は得られないと思います。とにかく、本当の数学が得意な人。痛っ!
そうだ、セルゲイ、その通りだ。このナンセンスを受け止めて、確認してみてください(というより、まさにそうである理由を理解してみてください)。正規分布の量を生成し、ガウス関数(積分)で影響を与える。ただ、2つの関数(積分分布則と2番目の関数)が絶対に同じになるようにすることを忘れないでください。
追伸:分布密度や微分については、気にしないでください。何のために必要なのか?それだと、横から見ただけでは同じことになります。
P.P.S.セルゲイ さん、そうですね、私自身、一様な値から正規分布の値を求めたことがあります、最初のものに積分ガウス関数の逆数を作用させることで。そして今度は、その計算を逆にしてみましょう...。
お前ら何しに来たんだ...。my poor brain...
SZS:ところで、以前からお聞きしたかったのですが、なぜ価格関数は連続であると考えなければならないのでしょうか? もし離散であったらどうでしょうか?
さて、セルゲイさん、 Mathematicsは 今、私があなたに書いたようなことを言っています。自分の目で確かめよう。
以下は、(経験的に)分布関数です。
では、式(1/OREN(6,2828))*EXP(-ABS(DIVISION(A1;2)/2))で理論的に作ってみよう(忘れました、正しい呼び方ですか?)
ライトグリーンは、ブルーとぴったりと近似していればいいのです。そうすれば、一体型の完璧な「棚」を手に入れることができる...。
積分の様子です(シグモイド!!)。
私の考えでは、経験的分布関数を係数(どんなものかわかりませんが)で理論的分布関数に近似すればよいのではないでしょうか。そして、これらの係数をシグモイドに代入すると、シグモイドを通した後の分布が等しくなる。
アレクセイ、私の考えはまったく正しいのだろうか?このテーマで何か提案できるかもしれませんね。
さて、セルゲイさん、 Mathematicsは 今、私があなたに書いたようなことを言っています。では、それを確かめるためにやってみましょう。
確かめよう。
以下は、(経験的に)分布関数です。
いいえ、分布関数ではなく、確率密度関数です(Alexeiの リンク参照)。
ライトグリーンの方は、ブルーの方と完全に近似しているはずです。そうすれば、理想的な「棚」を一体で手に入れることができる...。
積分の様子です(シグモイド!!)。
正確にはシグモイドではなく、上限が可変のガウシアンの積分です。erf(x)は表形式の関数です。
経験的な分布関数を係数(わからない)で近似して、理論的な分布関数を作るということです。そして、これらの係数をシグモイドに代入し、データをシグモイドに通した後、一様分布になるようにします。
近似に問題はなく、得られた分布関数erf(x)をどうすればいいのかが明確でないところから始まる。これが、上記の話です。
そうですね、確かに定義(分布・分布密度)を間違えていました...。
erf()をどうするか - わからん。
ここでは、通常のシグモイドとその微分を紹介します。なぜSIGMODなのか?- 単にシグモイドがerf(x)でないためです。:)
さて、データを取り、経験則を構築し、密度が一致するように係数AとBを選択します。積分値もプロットされている。
ここで、求めた係数を積分に代入して計算する。
それが、私たちの手に入るものなのです。
あとは、理論的な知識よりも直感でやったので、すべてを理論的に「あてはめる」必要があります。
専門家の皆さんに質問です - 係数AとBを求めるにはどうしたらいいですか?もしかして、AとBは必要ない、録画分配法の他の形がある、などということはないでしょうか?
それとも、全部デタラメで、そんなことはできないのでしょうか?