ニューラルネットと入力 - ページ 8 123456789101112131415...41 新しいコメント Alexey Subbotin 2013.01.11 21:07 #71 solar: アルファベットの文字を認識するように（類推）、市場は閉じたシステムであると考えるべきでしょう。そうすると、（あなたの言葉を使って）文房具になる、つまり、マーケットについて知っていることをすべてインプットすることになるのです。)))))そして、ここでTS構築者の永遠の疑問が浮かび上がる。与えられた入力と出力でネットワークが構築した非線形関数は、フィッティングなのか、それとも本当に見つかった規則性なのか？ NSの場合、例えば10個のニューロンを2層重ねると、最適化すべき重みが100個（将来のEAのパラメータが100個）になるからです。100個のパラメータを持つExpert Advisorを使い、1年間、すべてのパラメータで最適化を実行する。 Леонид 2013.01.11 21:09 #72 alsu: ここでも、非定常性の性質があらかじめ分かっていれば、それをアルゴリズムに盛り込み、まさに非定常性を検知して、コントローラのパラメータを素早く調整することができるのです。 具体的には、金融市場の非定常性がどのようなものなのか、残念ながら分かっていないのです。NSの唯一の利点は、非常に非線形で非常に柔軟性があるということです。NSは少量の神経細胞で、どんな道具でも10〜15年分の分図を簡単に記憶（学習）することができる。それは、「他に何が必要なのか」ということです。ここで、トレーダーの腕の見せ所となるのが、規則性のあるシンボルの情報を入力し、ネットワークの再学習を回避することだ。この2つの条件が揃えば、ネットワークは完璧に機能します。しかし、この2つの条件は、最も難しいもののひとつです。必要なのはトレーダーの「直感」 )))) 。 Alexey Subbotin 2013.01.11 21:15 #73 LeoV:もっと言えば、金融市場の非定常性の性質は、私たちが知らないことであり、残念ながら知ることはできない。 推測するしかない。そして、思い込みの確認まで) Леонид 2013.01.11 21:17 #74 alsu: 推測することができます。さらにはテスト前提) もちろん推測はできますが、予測するのと同じで、無駄なんです。"空に浮かぶ指のように" )))) Alexey Subbotin 2013.01.11 21:34 #75 LeoV: 確かに憶測はできますが、予測するのと同じで、無駄なんです。"空に浮かぶ指のように" )))) 全く役に立たないわけではありません。入力（商）が適切に記述されていれば、かなり具体的な統計的優位性が得られます。形式的に言えば、入力にコチルを持ち、出力に定常GPBを残差として持つ変換を求める問題である。変換が見つかれば、そのモデルはコティルの挙動の特殊性をすべて考慮していることを意味します。それなら、現在のモデルのパラメーターを分析し、そのパラメーターのおかげで現状を有利に進められるかどうかを判断するのがテクニックの問題ですね。課題は創造的であるが、そのような場合、「科学的ゲージ」は、科学的合成の主要な方法であったし、今も、そしてこれからもそうである))) Леонид 2013.01.11 21:47 #76 alsu:全く役に立たないわけではありません。入力（商）が適切に記述されていれば、かなり具体的な統計的優位性が得られます。形式的には、入力にコチルを持ち、出力に定常GERを残差として持つ変換を求める問題である。変換が見つかれば、そのモデルはコティルの挙動の特殊性をすべて考慮していることを意味します。つまり、現在のモデルのパラメータを分析し、それがその時々の状況を生かす機会を与えてくれるかどうかを判断することが、技術の問題なのです。課題は創造的であるが、そのような場合、「科学的ゲージ」は、科学的合成の主要な方法であったし、今も、そしてこれからもそうである))) そんなこじつけは納得いかないが、ともかく。実際、私見では（私見だけではありませんが）、すべてはもっとシンプルです。NSの入出力に供給される商にパターンがあれば、ネットワークはそれをうまく見つけ出し、あなたは満足することでしょう。そして実質的にどのNSも。もし規則性がなければ、変換、合成、万能のNSのいくつかの種類を構築し、他の科学的、数学的問題に従事することは無意味です - あなたは何もないところに規則性を見つけることはありません）））））。黒い部屋で黒猫を探すようなもので、特にそれがない場合は )))) Alexey Subbotin 2013.01.11 21:49 #77 LeoV: そんなこじつけには賛成できませんが、気にしないでください。実際、私の意見では、もっとシンプルに、NSの入力と出力に供給されるクォータにパターンがあれば、ネットワークがそれを見つけ、あなたは幸せになれるのです。そして実質的にどのNSも。もし規則性がなければ、変換したり、合成したり、ある種の万能のNSを作ったり、その他すべての科学的、数学的探求をすることは無駄である )))) そんなことはない！規則性はどこにでもあるわけではなく、ある瞬間、つまり短期的なものだけに現れるかもしれないが、NSはその慣性のために定義することができない。個人的には、kotierはまさにこの観点で、短い局所的な非効率性があり、それをいち早く察知して仕事をすることが必要だと考えています。そのためには、単なるネットワークではなく、層間のフィードバックがあり、ランダムに取られるのではなく、何らかのモデルに従って、つまり、やはり何らかの先験的な知識がNSに投入されていなければならないのです。 Alexey Subbotin 2013.01.11 21:55 #78 alsu: いや、そんなことはない!このパターンはどこにでもあるわけではなく、ある瞬間、つまりNSが慣性のために検出できない短期的なものにのみ現れる可能性がある。個人的に、これはまさにkotierに対する私の見解なのですが、短い局所的な非効率領域があり、それに対処するためには、最初の段階でそれを発見する必要があるのです。そのためには、単なるネットワークではなく、層間のフィードバックがあり、ランダムに取られるのではなく、何らかのモデルに従って、つまり、ここでも何らかの先験的知識がNSに投入されなければならないのである。 ちなみに、上記の最適制御の理論では、ある条件の下での最適制御則の探索問題（2次制御器の「Witsenhausenの反例」ではNPかなり単純）がNP完全（＝計算上非常に複雑）であることが証明されているので、この特定のNSだけで解決しようとしても不思議ではないのですが・・・。 Леонид 2013.01.11 21:58 #79 alsu: そんなことはない！規則性はどこにでもあるわけではなく、ある瞬間、つまりNSが慣性のために判断できない短期的なものにのみ現れるかもしれない。個人的には、コチエの場合、局所的に短い非効率な部分があり、それを最初に見抜いて作業する必要がある、という考え方があります。そのためには、単なるネットワークではなく、層間のフィードバックがあり、ランダムに取られるのではなく、何らかのモデルに従って、つまり、ここでも何らかの先験的知識がNSに投入されなければならないのである。 でも、もっと簡単な方法でお金を稼ぐことができるのに、なぜそんなことをするのでしょう？この方法は非常に理にかなっているのですが、答えのない疑問がたくさん出てきます - この非効率な部分をどのように検出するのですか？非効率なことは何ですか？これらのモデルとの関連で、これらのフィードバックの性質をどのように特定するのでしょうか？これらのモデルとフィードバックの相関はどのように判断すればよいのでしょうか？どのようなアプリオリな知識を持ち、それをフィードバックと合わせてどのようにモデルに関連付けるか。要するに、脳腫瘍です )))) Леонид 2013.01.11 22:00 #80 alsu: ちなみに、先ほどの最適制御理論では、ある条件の下で最適制御則を求める問題（nnは2次制御器に対するかなり単純な構造上の「ヴィツェンハウゼン反例」）がNP完全（＝計算上ひどく複雑）であることが証明されているので、まさにそんなNSで解こうとしても不思議はないのですが......。 OK、降参です ))))抜けた )))) 123456789101112131415...41 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
アルファベットの文字を認識するように（類推）、市場は閉じたシステムであると考えるべきでしょう。そうすると、（あなたの言葉を使って）文房具になる、つまり、マーケットについて知っていることをすべてインプットすることになるのです。)))))
そして、ここでTS構築者の永遠の疑問が浮かび上がる。与えられた入力と出力でネットワークが構築した非線形関数は、フィッティングなのか、それとも本当に見つかった規則性なのか？
NSの場合、例えば10個のニューロンを2層重ねると、最適化すべき重みが100個（将来のEAのパラメータが100個）になるからです。100個のパラメータを持つExpert Advisorを使い、1年間、すべてのパラメータで最適化を実行する。
具体的には、金融市場の非定常性がどのようなものなのか、残念ながら分かっていないのです。
NSの唯一の利点は、非常に非線形で非常に柔軟性があるということです。NSは少量の神経細胞で、どんな道具でも10〜15年分の分図を簡単に記憶（学習）することができる。
それは、「他に何が必要なのか」ということです。
ここで、トレーダーの腕の見せ所となるのが、規則性のあるシンボルの情報を入力し、ネットワークの再学習を回避することだ。この2つの条件が揃えば、ネットワークは完璧に機能します。
しかし、この2つの条件は、最も難しいもののひとつです。必要なのはトレーダーの「直感」 )))) 。
もっと言えば、金融市場の非定常性の性質は、私たちが知らないことであり、残念ながら知ることはできない。
確かに憶測はできますが、予測するのと同じで、無駄なんです。"空に浮かぶ指のように" ))))
全く役に立たないわけではありません。入力（商）が適切に記述されていれば、かなり具体的な統計的優位性が得られます。形式的に言えば、入力にコチルを持ち、出力に定常GPBを残差として持つ変換を求める問題である。変換が見つかれば、そのモデルはコティルの挙動の特殊性をすべて考慮していることを意味します。それなら、現在のモデルのパラメーターを分析し、そのパラメーターのおかげで現状を有利に進められるかどうかを判断するのがテクニックの問題ですね。課題は創造的であるが、そのような場合、「科学的ゲージ」は、科学的合成の主要な方法であったし、今も、そしてこれからもそうである)))
全く役に立たないわけではありません。入力（商）が適切に記述されていれば、かなり具体的な統計的優位性が得られます。形式的には、入力にコチルを持ち、出力に定常GERを残差として持つ変換を求める問題である。変換が見つかれば、そのモデルはコティルの挙動の特殊性をすべて考慮していることを意味します。つまり、現在のモデルのパラメータを分析し、それがその時々の状況を生かす機会を与えてくれるかどうかを判断することが、技術の問題なのです。課題は創造的であるが、そのような場合、「科学的ゲージ」は、科学的合成の主要な方法であったし、今も、そしてこれからもそうである)))
そんなこじつけは納得いかないが、ともかく。
実際、私見では（私見だけではありませんが）、すべてはもっとシンプルです。NSの入出力に供給される商にパターンがあれば、ネットワークはそれをうまく見つけ出し、あなたは満足することでしょう。そして実質的にどのNSも。もし規則性がなければ、変換、合成、万能のNSのいくつかの種類を構築し、他の科学的、数学的問題に従事することは無意味です - あなたは何もないところに規則性を見つけることはありません）））））。
黒い部屋で黒猫を探すようなもので、特にそれがない場合は ))))
そんなこじつけには賛成できませんが、気にしないでください。
実際、私の意見では、もっとシンプルに、NSの入力と出力に供給されるクォータにパターンがあれば、ネットワークがそれを見つけ、あなたは幸せになれるのです。そして実質的にどのNSも。もし規則性がなければ、変換したり、合成したり、ある種の万能のNSを作ったり、その他すべての科学的、数学的探求をすることは無駄である ))))
そんなことはない！規則性はどこにでもあるわけではなく、ある瞬間、つまり短期的なものだけに現れるかもしれないが、NSはその慣性のために定義することができない。個人的には、kotierはまさにこの観点で、短い局所的な非効率性があり、それをいち早く察知して仕事をすることが必要だと考えています。そのためには、単なるネットワークではなく、層間のフィードバックがあり、ランダムに取られるのではなく、何らかのモデルに従って、つまり、やはり何らかの先験的な知識がNSに投入されていなければならないのです。
いや、そんなことはない!このパターンはどこにでもあるわけではなく、ある瞬間、つまりNSが慣性のために検出できない短期的なものにのみ現れる可能性がある。個人的に、これはまさにkotierに対する私の見解なのですが、短い局所的な非効率領域があり、それに対処するためには、最初の段階でそれを発見する必要があるのです。そのためには、単なるネットワークではなく、層間のフィードバックがあり、ランダムに取られるのではなく、何らかのモデルに従って、つまり、ここでも何らかの先験的知識がNSに投入されなければならないのである。
ちなみに、上記の最適制御の理論では、ある条件の下での最適制御則の探索問題（2次制御器の「Witsenhausenの反例」ではNPかなり単純）がNP完全（＝計算上非常に複雑）であることが証明されているので、この特定のNSだけで解決しようとしても不思議ではないのですが・・・。
そんなことはない！規則性はどこにでもあるわけではなく、ある瞬間、つまりNSが慣性のために判断できない短期的なものにのみ現れるかもしれない。個人的には、コチエの場合、局所的に短い非効率な部分があり、それを最初に見抜いて作業する必要がある、という考え方があります。そのためには、単なるネットワークではなく、層間のフィードバックがあり、ランダムに取られるのではなく、何らかのモデルに従って、つまり、ここでも何らかの先験的知識がNSに投入されなければならないのである。
でも、もっと簡単な方法でお金を稼ぐことができるのに、なぜそんなことをするのでしょう？
この方法は非常に理にかなっているのですが、答えのない疑問がたくさん出てきます - この非効率な部分をどのように検出するのですか？非効率なことは何ですか？これらのモデルとの関連で、これらのフィードバックの性質をどのように特定するのでしょうか？これらのモデルとフィードバックの相関はどのように判断すればよいのでしょうか？どのようなアプリオリな知識を持ち、それをフィードバックと合わせてどのようにモデルに関連付けるか。要するに、脳腫瘍です ))))
ちなみに、先ほどの最適制御理論では、ある条件の下で最適制御則を求める問題（nnは2次制御器に対するかなり単純な構造上の「ヴィツェンハウゼン反例」）がNP完全（＝計算上ひどく複雑）であることが証明されているので、まさにそんなNSで解こうとしても不思議はないのですが......。
OK、降参です ))))抜けた ))))