신경망 - IMHO는 알고리즘 거래에서 가장 어려운 것입니다. 여기에 뉴비가 없습니다. 여기 저는 Forex에서 8년을 보낸 후 가능한 모든 전략을 통해 많은 돈을 썼습니다. 및 지표 및 다양한 조합, 이것이 내가 건드리지 않은 유일한 거래 전략이라고 결정했습니다. 나는 왜 전에 그것을 하지 않았는가? 너무 복잡해서 '뉴로솔루션' 등의 별도의 특수 프로그램을 추가로 사용해야 한다고 생각했는데, 제 생각이 틀렸습니다. 가장 중요한 것은 신경망이 어떻게 작동하는지 명확하게 이해하는 것이고 나머지는 기술의 문제입니다.
나는 약 하루 만에 첫 번째 간단한 테스트 신경망을 생각해 내고 순수 MQL 5에서 약 15분 만에 작성하고 최적화를 사용하여 훈련했습니다. 그리고 보라, 결과는 고무적이다. 탱크의 견고성은 몇 년 동안 존재하고 탱크 테스트는 안정적이다. 이제 Grail이 존재한다면 거의 확신할 수 있습니다. 그런 다음 신경망의 깊이 어딘가에 숨겨져 있습니다. 그들의 잠재력은 거의 무한합니다. 매개변수의 수에 관계없이 원하는 수의 지표를 추가할 수 있습니다... 그리고 순수한 MQL 5에서 이를 수행할 수 있습니다. 앉아서 생각하고 시도한 후, Expert Advisor의 눈을 멀게 하려는 이전의 모든 노력 표준 지표에서 유치원처럼 보입니다.
이 스레드에서 저는 신경망 분야의 경험을 공유할 것을 제안합니다. MQL 5에서 네트워크를 구축하고 훈련하는 원리를 배우는 것은 흥미로울 것입니다. 귀하의 의견을 기다립니다.
내가 말할 수 있는 한, 여기 있는 누구도 비영구적 아키텍처의 신경망을 사용하지 않았습니다. 몇 가지 설명은 하나의 뉴런이 5 - ..... 다음 및 이전 레이어에 있는 다른 뉴런과 연결할 수 있습니다. 따라서 레이어의 개념은 말 그대로 피드백이 있는 신경망처럼 약간 번지지만 이러한 연결은 가중치 계수와 함께 지속적으로 변경되며 네트워크의 뉴런 수도 일정하지 않고 죽습니다. 그리고 복원됩니다. 이것은 자연적인 신경망과 유사한 것입니다. 네트워크의 출판물로 판단하면 더 유망한 방향입니다.
외환 거래에서 의사 결정 트리에 비해 네트워크의 이점은 분명하지 않습니다. 원하는 곳에서 네트워크를 사용하는 것은 어리석은 일입니다. 입력에서 출력의 비선형 함수가 있을 수 있는 곳에 적용합니다. 분류의 간단한 예를 들겠습니다. 다른 포유류를 구별하는 시스템을 만들어야 한다고 가정해 보겠습니다. 우리는 몸 전체와 그 부분(머리, 코, 귀, 발, 꼬리 등)의 모양과 크기에 대한 입력 정보를 제공합니다. Class = F(수염, 발, 꼬리)가 콧수염 결정 트리보다 포유류의 클래스를 더 정확하게 정의할 수 있습니까? 발? 꼬리?
07041982 : НС могут сами находить скрытые зависимости типа паттернов, уровней и т.д. плюс в них можно запихнуть очень много входных параметров, с использованием обычных методов вам не хватит мощностей столько параметров оптимизировать
네트워크는 다양한 데이터(입력-출력)에 대해 최적화(맞춤화)될 수 있는 일종의 범용 비선형 기능인 도구입니다. 이 함수는 규칙성을 구별할 수 없습니다. 같은 성공으로 부드러운 곡선에 맞는 다항식이 숨겨진 패턴을 찾는다고 주장할 수 있습니다. 이 함수가 적용된 데이터 범위에서 벗어나면 다항식 회귀의 예에서 어떤 일이 발생하는지 스스로 알 수 있습니다. 그건 그렇고, 네트워크에는 올바른 결정에 영향을 미치지 않고 최적화 중에 가중치가 감소하는 연결이 포함되어 있기 때문에 네트워크에서 최적화된 매개변수의 수는 의사결정 트리보다 훨씬 많습니다.
이런 신경망 우식증이 여기까지 올라왔다면 정말 멋졌을텐데...
그들 중 일부는 (인격이 아니라 "광명"에게) 재산을 만들거나 이론상으로 만 ???
그들 중 일부는 (인격이 아니라 "광명"에게) 재산을 만들거나 이론상으로 만 ???
적어도 신경망을 사용하는 사람들 중 챔피언십에서 우승한 경쟁자가 있습니다.
아니면 저나 빛의 친구들인 제 좋은 친구에게 무엇인가를 선물하고 싶으신가요???
적어도 신경망을 사용하는 사람들 중 챔피언십에서 우승한 경쟁자가 있습니다.
아니면 저나 빛의 친구들인 제 좋은 친구에게 무엇인가를 선물하고 싶으신가요???
사람은 그가 많은 시간을 하는 것에 대해서만 그 장소에 대해 가르치거나 조언을 받을 수 있습니다.
훌륭한 프로그래머는 프로그램 작성 능력으로 빛을 발합니다. 이것이 궁극적인 목표라면 모든 것이 매우 논리적입니다. 그러나 그것은 시장과 매우 간접적인 관련이 있습니다.
사람은 그가 많은 시간을 하는 것에 대해서만 그 장소에 대해 가르치거나 조언을 받을 수 있습니다.
훌륭한 프로그래머는 프로그램 작성 능력으로 빛을 발합니다. 이것이 궁극적인 목표라면 모든 것이 매우 논리적입니다. 그러나 그것은 시장과 매우 간접적인 관련이 있습니다.
고맙습니다. 이제 러시아어로 번역하십시오. 나는 당신의 사투리를 사용합니다. 죄송합니다. 나는 물총을 내지 않습니다.
내가 나쁜(또는 그 반대) 프로그래머인지, 아니면 신경망을 시장에 적용하지 않는지 등을 이해하지 못했을 뿐입니다. 명확히 해주세요.
고맙습니다. 이제 러시아어로 번역하십시오. 나는 당신의 사투리를 사용합니다. 죄송합니다. 나는 물총을 내지 않습니다.
내가 나쁜(또는 그 반대) 프로그래머인지, 아니면 신경망을 시장에 적용하지 않는지 등을 이해하지 못했을 뿐입니다. 명확히 해주세요.
저를 믿으세요. 저는 사람들에게 가치판단을 하지 않습니다. 적어도 나는 그렇게 하기 위해 매우 열심히 노력합니다. 오직 사실만.
신경망을 기반으로 한 생각은 실제로 지속적으로 수익을 올릴 수 있게 해줍니다. 조명 기구는 가격 인공물로 귀속될 수 없는 성공적인 실제 경험을 가지고 있습니까?
모든 것이 매우 허세적으로 보이지만 합리적인 곡물이 있습니까?
그러나 가을에 설탕을 사서 여름 초에 파는 단순한 아이디어 (예시)는 흥미롭지 않습니다 ...
신경망 - IMHO는 알고리즘 거래에서 가장 어려운 것입니다. 여기에 뉴비가 없습니다. 여기 저는 Forex에서 8년을 보낸 후 가능한 모든 전략을 통해 많은 돈을 썼습니다. 및 지표 및 다양한 조합, 이것이 내가 건드리지 않은 유일한 거래 전략이라고 결정했습니다. 나는 왜 전에 그것을 하지 않았는가? 너무 복잡해서 '뉴로솔루션' 등의 별도의 특수 프로그램을 추가로 사용해야 한다고 생각했는데, 제 생각이 틀렸습니다. 가장 중요한 것은 신경망이 어떻게 작동하는지 명확하게 이해하는 것이고 나머지는 기술의 문제입니다.
나는 약 하루 만에 첫 번째 간단한 테스트 신경망을 생각해 내고 순수 MQL 5에서 약 15분 만에 작성하고 최적화를 사용하여 훈련했습니다. 그리고 보라, 결과는 고무적이다. 탱크의 견고성은 몇 년 동안 존재하고 탱크 테스트는 안정적이다. 이제 Grail이 존재한다면 거의 확신할 수 있습니다. 그런 다음 신경망의 깊이 어딘가에 숨겨져 있습니다. 그들의 잠재력은 거의 무한합니다. 매개변수의 수에 관계없이 원하는 수의 지표를 추가할 수 있습니다... 그리고 순수한 MQL 5에서 이를 수행할 수 있습니다. 앉아서 생각하고 시도한 후, Expert Advisor의 눈을 멀게 하려는 이전의 모든 노력 표준 지표에서 유치원처럼 보입니다.
이 스레드에서 저는 신경망 분야의 경험을 공유할 것을 제안합니다. MQL 5에서 네트워크를 구축하고 훈련하는 원리를 배우는 것은 흥미로울 것입니다. 귀하의 의견을 기다립니다.
외환 거래에서 의사 결정 트리에 비해 네트워크의 이점은 분명하지 않습니다. 원하는 곳에서 네트워크를 사용하는 것은 어리석은 일입니다. 입력에서 출력의 비선형 함수가 있을 수 있는 곳에 적용합니다. 분류의 간단한 예를 들겠습니다. 다른 포유류를 구별하는 시스템을 만들어야 한다고 가정해 보겠습니다. 우리는 몸 전체와 그 부분(머리, 코, 귀, 발, 꼬리 등)의 모양과 크기에 대한 입력 정보를 제공합니다. Class = F(수염, 발, 꼬리)가 콧수염 결정 트리보다 포유류의 클래스를 더 정확하게 정의할 수 있습니까? 발? 꼬리?
07041982 :
НС могут сами находить скрытые зависимости типа паттернов, уровней и т.д. плюс в них можно запихнуть очень много входных параметров, с использованием обычных методов вам не хватит мощностей столько параметров оптимизировать
네트워크는 다양한 데이터(입력-출력)에 대해 최적화(맞춤화)될 수 있는 일종의 범용 비선형 기능인 도구입니다. 이 함수는 규칙성을 구별할 수 없습니다. 같은 성공으로 부드러운 곡선에 맞는 다항식이 숨겨진 패턴을 찾는다고 주장할 수 있습니다. 이 함수가 적용된 데이터 범위에서 벗어나면 다항식 회귀의 예에서 어떤 일이 발생하는지 스스로 알 수 있습니다. 그건 그렇고, 네트워크에는 올바른 결정에 영향을 미치지 않고 최적화 중에 가중치가 감소하는 연결이 포함되어 있기 때문에 네트워크에서 최적화된 매개변수의 수는 의사결정 트리보다 훨씬 많습니다.