ニューラルネットワークによる任意パターンの探索
チャートでパターンを見つけるためのアイデアがあれば提案してください。例えば「ヘッド＆ショルダー」。
パターンが異なる小節数を占め、異なる形態を持つ可能性があるため、どのようなデータを入力し、どのように教えたらよいのかわからない。
畳み込み網しか思い浮かばない。しかし、具体的に何をどのように畳むかは、まだ明確になっていません。
代替案として、次のように提案することができます。
まず、このパターンを数学と条件を使って、できるだけ明確にチャート上で判断するようにします。最大でも本当のパターンと、普通の数学や論理では切り出せないような間違ったパターンがあるサンプルが出てくるのは当然です。このように、いわゆる「ダーティサンプル」が得られたので、ここで分類網を使って、このサンプルを完全に浄化する必要がある。というより、ネットワークが汚れたものからきれいなサンプルを作ることができるように、本当の頭と肩だけを仕事に残し、ゴミはゴミ箱に捨てるように教えることです。あるいは...
チャートでパターンを見つけるためのアイデアがあれば提案してください。例えば「ヘッド＆ショルダー」。
パターンが異なる小節数を占め、形状も異なるため、どのようなデータを入力し、どのように教えればよいのかがわからない。
畳み込み網しか思い浮かばない。しかし、何をどう折りたたむかは、まだ明確になっていません。
代替案として、私は次のように提案することができます。
まず、普通の数学と条件を使って、このパターンをできるだけ明確にチャート上に決定しようとする。最大でも、標準的な数学や論理学では切り取れない、真のパターンと偽のパターンを含むサンプルが得られるのは当然である。このように、いわゆる「ダーティサンプル」が得られたので、ここで分類網を使って、このサンプルを完全に浄化する必要がある。というより、ネットワークが汚れたものからきれいなサンプルを作ることができるように、本当の頭と肩だけを仕事に残し、ゴミはゴミ箱に捨てるように教えることです。あるいは...
という発想でした。しかし、ここにはニュアンスがあります。私の理解では、入力にいくつかのデータウィンドウを 与える必要があります（例えば200バー、全体のパターンがそれに収まることを確認するために）、次に。
1) パターンがウィンドウの異なる部分にある可能性があり、分類器はそれを理解できない。なぜなら、左の部分にパターンがあるウィンドウと右の部分にパターンがあるウィンドウは異なるからである。
2）分類器は自己組織化する必要がある。厳密な数学モデルは、偽のパターンを除いて、真のパターンの一部も切り取ってしまうからである。
3) 自己組織化は、特定のパターンが分類されることを保証するものではありません。
なぜなら、市場はフラクタルであり、高いレベルのセグメントは低いレベルのセグメントから構成されるからである（これは折れ線として見ることができる）。
チャートでパターンを見つけるためのアイデアがあれば提案してください。例えば「ヘッド＆ショルダー」。
パターンによってバーの数が違ったり、形が違ったりするので、どのようなデータを入力して、どのように教えるのが良いのかが分からない。
思い浮かぶのは畳み込みネットくらいでしょうか。しかし、具体的に何をどうすればコンボリューションになるのかは、まだ明確になっていません。
私は、パターンを分類（認識）するための完全なシステムを持っています。完全にMQL5で書かれています。
興味があれば、市場に出してもいい。そうでなければ、面倒くさくてできない。
パターンを分類する（認識する）ための完全なシステムがあるのです。すべてMQL5で書かれています。
興味があれば、マーケットに出すこともできる。そうでなければ、面倒くさくてできない。
市場に出す。
でも、個人的には買いません。原理的に興味があるのです。トピックスターターが正しい質問をしているので、興味があります。
そのクラシファイアは、トピックスターターのニーズや私の興味に本当に合っているのでしょうか？
市場に出す。
でも、個人的には、買いません。私は原理そのものに興味があります。トピックスターターが正しい質問をしているので、興味があります。
そのクラシファイアは、トピックスターターのニーズや私の興味に本当に合っているのでしょうか？
実は、ご希望に添えるような仕事はしていないのですが......）比較のためにDTW法を用いています。この方法は、オリジナルと比べたパターンの垂直／水平方向の「歪み」に対して不変である。
また、指定したパターンを記憶・会計するシステムや、パターンの取引特性を事前確認するシステムも搭載しています。
あとは何も覚えていない......久しぶりだ)
一般的に、お客様のご要望にお応えするタスクはありません）比較のため、DTW法を使用しています。この方法は、オリジナルと比べたパターンの垂直／水平方向の「歪み」に対して不変である。
また、指定されたパターンを記憶して会計処理するシステムや、パターンのトレードオフを事前に検証するシステムも含まれています。
あとは何も覚えていない......久しぶりだ)
DTW方式は知りませんでした！ありがとうございます。
ニューラルネットワークでどうやったらうまく応用できるのか、まだ理解していないんです。パターンは軸に沿って歪むだけでなく、それ自身の形を変えることもできる（ネストを持つ、展開のバリエーションを持つ）。
チャートでパターンを見つけるためのアイデアがあれば提案してください。例えば「ヘッド＆ショルダー」。
パターンが異なる小節数を占め、形状も異なるため、どのようなデータを入力し、どのように教えればよいのかがわからない。
畳み込み網しか思い浮かばない。しかし、具体的に何をどのように包むかは、まだ明確になっていません。
パターン検索に ニューラルネットワークは必要ない。通常のExpert Advisorで検索することができます。ジグザグに貼る。Head-Shoulder パターンの存在を検出するためには、条件における 1) 極値の相対的な位置（高 - 低）と 2) （ゼロバーに対する遠）さを制御する必要がある。
パターンが何小節続くかは関係なく、縦と横の相対的な極値位置を制御すれば十分である。
- 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
チャートでパターンを 見つけるためのアイデアがあれば提案してください。例えば「ヘッド＆ショルダー」。
パターンが異なる小節数を占め、形状も異なるため、どのようなデータを入力し、どのように教えればよいのかがわからない。
思い浮かぶのは、畳み込みネットワークくらいでしょうか。しかし、何をどう折りたたむかは、まだ明確になっていません。