ニューラルネットと入力 - ページ 14

新しいコメント
 
どのように選び、何を出せばいいのか？
 
Roman.:
何をどう選び、どう出すのか？

は大きいものを選び、鍵は平らにして出す...皿に盛る...皿に盛る...。

;)

 
MetaDriver:

を選んで、大きめのものを選んで、肝心の平皿に盛る...皿に盛る......。

;)

ありがとうございます...やっぱりね...。:-)
リスペクト!!!

冗談抜きで、心の底からそう思いました。

 
Roman.:

ありがとうございます...やっぱりね...。:-)
リスペクト!!!

冗談抜きで、心から。

ありがとうございます。

実は、グリッドは栄養をあまり選ばないんです。食事は、目の前のタスクに多かれ少なかれ対応しているはずです。 つまり、未知のパターンを探すのだから、その数が多く、しかも結果（予測）と相関のある系列が必要なのである。

それゆえ、第二の瞬間は、具体的に何を予測するかということだ。 すなわち、何を出力に与え、何をグリッドに教えるかです。 質問は、サブジャンルでそのことについてではありませんが、そうでなければメッシュが正常に学習し、OutOfSampleに予測記録を設定し、さらに、あなたの子供の頃にあなたが虐待を受けたので、非力なままかもしれないので、それは、する必要があります。

あくまで考えるべきことで、具体的なことは私も若いので協力はしませんが...。

;)

 

これはどうでしょう。

現在のバー記述ベクトルを入力ニューロンに与える。例えば、始値、他のシンボルの始値、出来高、現在時刻、シンボルの金利、ニュースカレンダー、月と太陽のサイクルなどです。入力層のニューロンの数だけ、このような履歴を考慮しなければならないことがわかった。

そして、ネットワークそのものが登場します。グリッドはニューロンの2次元マトリックスである（アイデアを説明する便宜上、必ずしもそうではない）。ニューロンの計算数を減らすために、シナプスの数を例えば5〜10個に制限しますが、どのシナプスもある円で制限された範囲内であれば、どの軸索にも接続できます（より強力なプロセッサを置くと、どの軸索、どのニューロンにも接続させることができるのです）。その結果、バザーを総体的に考える、誰がどんな設定を知っているか、多くのフィードバックがあるネットワークが得られるはずです。そしてまた、想像力によって、二日酔い機能のスイッチを入れ、定期的にニューロンを2つほど釘付けにするのです。誕生機能、定期的に3つのニューロンのカップルを作成します。その結果、グリッドの自己調整、内部アーキテクチャ、ニューロン数の調整が行われていることがわかるが、ニューロン数の最小値を十分なものにする方法はわかっていない。

出力信号です。腹腔空間に最初に到着したものは、完全な入出力を持つTSを構築する。例えば、n次の多項式にチャンネルを設定する。チャネルの境界から跳ね返ってくる信号で、ネットワークを鍛える。

あるいは完全公平の目標関数、モニターの右上に一直線、あとはネットワークが勝手に正しい入出力を探してくれるようにする。

 
LeoV:

ニューラルネットワークの有無にかかわらず、どんなTSでも、過去のデータから求めたパターンを使っている。要するに、この見つかったパターンで今後稼げるという保証はないわけです。それとも、過去のデータから見出されたパターンで将来的に儲けられると判断する方法があるのでしょうか？


私だけではありません。 詳しく書くと文章量が多くなるので、興味があればスパイダーで、例えばネオさんのパターンについてのスレッドや、フェリックス・ホワイトさんのスレッドで読んでみてください。 Avalsはこの掲示板に登場します、彼の投稿を読んでみてください。

市場だけでなく、どこにでも存在する普遍的な規則性（というか法則性）があるのです。例えば、パンとバターがなくても、惰性で残っていればいい。 過去に成功したのだから、未来にも成功するはずだ。 そして、 が機能しなくなると、最後に気になるのは、MTS の故障と保証金の損失です:)。 (物理法則が少しでも変わるとどうなるか、考えてみてください）。

そして、それがうまくいくかどうかを推測することは、私たちの方法ではなく、ジプシーに任されているのです。

 
JImpro:


私だけではありません。 詳しく書くと文章量が多くなるので、興味があればスパイダーで、例えばネオさんのパターンについてのスレッドや、フェリックス・ホワイトさんのスレッドで読んでみてください。 Avalsはこの掲示板に登場します、彼の投稿を読んでみてください。

市場だけでなく、どこにでも存在する普遍的な規則性（というか法則性）があるのです。例えば、パンとバターがなくても、惰性で残っていればいい。 過去に成功したのだから、未来にも成功するはずだ。 そして、 が機能しなくなると、最後に気になるのは、MTS の故障と保証金の損失です:)。 (物理法則が少しでも変わるとどうなるか、考えてみてください）。

そして、うまくいく／いかないを推測するのは、私たちの方法ではなく、ジプシーたちです。

あははははは

また、重力も、価格が上がっては下がり、上がっては下がりの繰り返しです。

 
FAGOTT:

そうだ、そうだ、そうだ！

そして、重力は......価格は、上がっては下がり、といった具合です。

サッカー選手がボールに当たるかどうかを推測するのは難しいですが、ボールがすでに空中にある場合は推測する必要はなく、地面に落ちるのは明らかなことです。 (ただし、 、木に引っかかってしまうかもしれません。そのような場合のために、ストップロスが発売されています）。

要は、当たる前に予測-推測で先に進まないこと、それは絶望的なケースなのです。 一度は振ってみても、気が変わるかもしれません。

 

一般的には、イマイチ、同じパターンをいくつか取引するようなシステムを構築する必要があります。

これは、神経のあるなしにかかわらず、TSに完全に当てはまります。このようなシステムは、本質的にOOSで取引され、アクティビティは時間と共に減少する。

すなわち、徐々に、時間の経過とともに単位時間に来るトランザクションの数は 0になる傾向がある（効率は一定のレベルにとどまり、収益性だけが低下し、実際のパターンのベースをリフレッシュするために時間をかけて再トレーニングする必要がある）、なぜなら「学んだ」パターンはそれほど頻繁に発生しない......。

だから、TCが扱うデータの補間・近似を示唆するものはないはずだ。


PSMetaDriverは、2年ほど前にこのような私のTSのコンセプトを目の当たりにしました...。もちろん、古い資料を掘り起こすという手もありますが、あまりに難しいので、もう一度書き直した方が楽かもしれませんね......(

 
MetaDriver:

ありがとうございます。

実は、グリッドは栄養をあまり選ばないんです。食事は、目の前のタスクに多かれ少なかれ対応しているはずです。 つまり、未知のパターンを探すのだから、そのパターンが多く、しかも結果（予測）と相関のある系列が必要なのである。

それゆえ、第二の瞬間は、具体的に何を予測するかということだ。 すなわち、何を出力に与え、何をグリッドに教えるかです。 問題は、サブジャンルでそれについてではありませんが、そうでなければネットが正常に学習し、OutOfSampleに予測記録を設定し、さらに、幼年期にそれが虐待を受けていたため、無力のままかもしれないので、それは、あるべきです。

あくまで考えるべきことで、具体的なことは私も若いので協力はしませんが......。

;)

:-)

ありがとうございます。

了解しました。サー その上で。

1...789101112131415161718192021...41
新しいコメント