ニューラルネットワーカーに嬉しい、MT4用のクイック&フリーライブラリ - ページ 11

 
marinat >> :

皆さんこんにちは、最適化グラフが描けない、最適化後に以下の文字列が出力される。

2009.12.21 15:52:54 最適化中に897のパスが行われましたが、897の結果は重要でないとして破棄されました。
たすけて

別の端末で試してみましたが、同じです。

 
marinat писал(а)>>

別の端末で試してみましたが、同じでした、どうしたらいいのかわかりません :(

最適化中に最適化結果を右クリックし、"skip useless results "オプションのチェックをはずす。一般的に、「どうしよう、どうしよう」と悩んでいる間に、検索を使えば1分で問題が解決します。

https://www.mql4.com/ru/search/have%20been%20discarded%20as%20insignificant を検索すると、結果のひとつに https://forum.mql4.com/ru/24644/page7#191364 が表示されます。

 

実は別のことで、20.12.08から20.12.09までの日付を使うように明示的に設定したらすべてOKだったのですが、とにかくありがとう、そしてこれらの書き込みにたどり着きました。


Yuriさんに質問なのですが、3ページ目にあるデモ口座では、EAだけを使っているのですか、それとも手動でも取引しているのですか? また、もう一つの質問ですが、EAは多通貨取引に 設定されているのでしょうか?

 
VladislavVG >> :

このEAでは、すべての委員会ネットワークに同じ入力信号が与えられ、同じ応答が要求される。ネットが同じ解に収束するのは当然といえば当然だ。この例では、1つのグリッドを残すか、異なるネットが異なる入力を持つように入力システムを変更することが可能で、出力は同じままにすることができます。

委員会の要点は、まさに同じデータを与え、平均化することで結果を得ることです(できれば、委員会の最も優れた事例を対象としてください)。入力データが単純な場合、つまり信号とノイズの比率が大きい場合は、1つのグリッドを残すことができる(これは市場には当てはまらない)。そうですね。ここでは、1つのグリッドで十分という印象を受けますが、これは、依存性の高い変数でコーディングされた、意図的に限定された(誤った)データセットでトレーニングされているため、トレーニングの結果が他の領域で適用できないからなのです。

異なるメッシュに異なる入力を与えることは良いアイデアですが、総セットを個々のメッシュのためのサブセットに分割する方法を選択すべきです(どの原理かは別の問題で、市場の性質、取引の種類などが考えられます)、それでも各メッシュの入力の質は校正されるべきです。

 
marketeer писал(а)>>

委員会の要点は、まさに同じデータを与えて、平均化することで結果を得ることです(できれば、委員会の最も優れた事例について)・・・・。

はい - ここでは、1つのグリッドで十分という印象を受けますが、これは、依存性の高い変数でコーディングされた、意図的に制限された(誤った)データセットでトレーニングされているため、トレーニング結果が他のセクションに適用できないからです。

つまり、-1から1までのランダムな重みで初期化された16個のグリッドが、1つのInputVector[]を使って ann_runs(...) を最初に実行した後、(ログから判断して)8文字まで正確に16個の同一の出力が得られることが判明しましたか。 いいえ、ここに何らかのバグがあるのです。

ニューラルネットワークというテーマは、ただうまくいくわけではない、とご自身で書かれていましたね。 だから、それを考えなければならない...。

 

8桁の精度はないはずなんですが...。

委員会の意味について。

委員会を形成するためのさまざまな戦略(アルゴリズムによる構成、アンサンブル)があります。

最もシンプルなのは平均化...

ここでは、その詳細をご紹介しています。すぐに言いますが、どんな超複合的な組成物を作っても、特別な利益は得られないのです。あくまで他人事です。

 
極値の値とその間の時間をニューラルネットワークに与えれば、結果は多少なりとも満足のいくものになると思うのですが?
 
marinat писал(а)>>
極値やその間の時間を入力ニューロニーカに与えた場合、その結果は満足のいくものになると思いますか?

チェックした、裸形にはあまり意味がない。このデータは網羅されているように見えますが、結果はあまり良くなく、NSの場合と同様に、このデータの重大な前処理が必要で、これまたうまくいく場合といかない場合があります。

 
Figar0 >> :

チェックした、裸形にはあまり意味がない。このデータは網羅されているように見えますが、結果はあまり良くなく、NSの場合と同様に、このデータの重大な前処理が必要で、これまたうまくいく場合といかない場合があります。

一般的に、最も安定した結果は、少なくとも平均以下の結果を得た人、どのようなタイプのデータを使用して得られる? の意味で裸の形で、または0から1までスケーリング?

 
marinat писал(а)>>

一般に、最も安定した結果が得られるのは、どのようなデータを使用したときなのか、少なくとも平均的な結果を得られた方はいらっしゃいますか?

実際に使ってみないと、入力の効果を評価するのは難しいです。ある分野ではより効果的で、別の分野ではより効果的かもしれません。そして、ほぼすべての入力を試すことで、平均的な結果を得ることができるのです。Nakedは前処理なし、"0-1 "は特殊な正規化に過ぎず、良いのですが、物足りないかも...。前処理は、ニューラルネットワークそのものよりも複雑で、圧縮、ブリーディング、コーディングなど、おそらくもっと多くの科学が関わっています。V.A.クリシロフの記事を見ることから始めるとよいでしょう。http://neuroschool.narod.ru/ から入手できます。NSに位相を合わせるというのは、私は複雑な入力の組み合わせの構成要素としてだけ使っていて、それ以上のことはしていません。