slava1 : 나는 무엇을 제출해야 하는지 아주 오랫동안 알고 있었습니다. 나는 논의하고 싶었습니다. 정확히 가능한 모델을 말합시다. 일반적으로 함께 작업하면 더 좋아집니다. 나 자신도 이제 1년 동안 로봇을 연구하고 있다. 결과가 있지만 그다지 안정적이지 않습니다.
한 가지만 말할 수 있습니다. 다시 한 번 이론(즉, 과학 이론이지만 대중 문헌)을 주의 깊게 읽으면 놓쳤거나 고려하지 않은 것을 찾을 수 있습니다. NeuroShell Day Trader 프로그램을 사용할 때 이론을 알 필요가 없다고 생각한다면 신경망 은 그대로 두십시오.
1x5x1 네트워크에서는 어떤 결과도 얻지 못할 것이라고 확신합니다. 네트워크에는 두 개 이상의 은닉층이 있어야 합니다. 신경망의 입력에 대해 20개 지표의 판독값을 정규화했습니다. 그래서 20개의 입력이 있습니다. 다른 토폴로지를 시도했습니다. 저는 20x140x140x4에서 멈췄습니다. 네트워크는 아마도 번거롭겠지만 잘 해석된 신호를 생성합니다. 자연스럽게 줄일 수 있습니다. 앞으로는 유전 알고리즘을 이용하여 토폴로지를 선정할 계획입니다. 네트워크 생성 및 훈련의 전 과정은 JAVANNS를 사용하여 이루어지며 훈련된 네트워크는 C-Code로 변환되며 이 코드는 이미 MetaTrader에서 사용할 수 있는 dll에서 의사 결정 기능을 생성할 때 사용됩니다. 맞습니다. 대략적인 과정 설명입니다. 그래서 1년 동안 하고 있습니다. 작업량이 매우 많습니다. NeuroShell Day Trader 와 같은 프로그램은 자신의 손으로 필요한 방식으로 네트워크를 생성할 수 있는 경우 사용하기에는 어리석습니다. Nooooo, 내가 말하고 싶었던 것은 그것이 아닙니다. 나는 훈련 샘플을 만드는 문제에 대한 접근 방식에 관심이 있습니다.
slava1 : 1x5x1 네트워크에서는 어떤 결과도 얻지 못할 것이라고 확신합니다. 네트워크에는 최소한 두 개의 은닉층이 있어야 합니다. 신경망의 입력에 대해 20개 지표의 판독값을 정규화했습니다. 그래서 20개의 입력이 있습니다. 다른 토폴로지를 시도했습니다. 저는 20x140x140x4에서 멈췄습니다. 네트워크는 아마도 번거롭겠지만 잘 해석된 신호를 생성합니다. 자연스럽게 줄일 수 있습니다. 앞으로는 유전 알고리즘을 이용하여 토폴로지를 선정할 계획입니다. 네트워크 생성 및 훈련의 전 과정은 JAVANNS를 사용하여 이루어지며 훈련된 네트워크는 C-Code로 변환되며 이 코드는 이미 MetaTrader에서 사용할 수 있는 dll에서 의사 결정 기능을 생성할 때 사용됩니다. 맞습니다. 대략적인 과정 설명입니다. 그래서 1년째 하고 있습니다. 작업량이 매우 많습니다. NeuroShell Day Trader와 같은 프로그램은 자신의 손으로 필요한 방식으로 네트워크를 생성할 수 있는 경우 사용하기에는 어리석습니다. Nooooo, 내가 말하고 싶었던 것은 그것이 아닙니다. 나는 훈련 샘플을 만드는 문제에 대한 접근 방식에 관심이 있습니다.
훈련 샘플은 입력에 공급하는 것입니다. 이 경우 20개의 지표를 제출합니다. 지표는 초기 시계열 인 가격 계열 {H, L, O, C}의 처리입니다. 수학적 관점에서 TA에서 사용되는 지표를 고려하면 특정 그룹의 매트를 구별할 수 있습니다. 방법 - MA가 가장 간단한 주파수 필터 등이지만 고전적인 TA 방법으로 준비한 데이터가 신경망에 가장 적합하다고 누가 말했습니까?! 나는 심지어 반대라고 말할 것입니다. 실제로 적합하지 않습니다. 내가 의사 난수 함수를 외삽하기 위해 구축된 작은 네트워크의 예를 제시한 것은 헛된 것이 아닙니다.
조금 탐색하면 훈련 샘플 준비를 조금 다르게 볼 수 있는 매우 흥미로운 속성을 많이 찾을 수 있습니다. 따옴표의 흐름은 복잡한 법칙이 있는 의사 난수 함수로 간주될 수도 있습니다. 신경망은 수학적 방법이지만 응용 기술은 예술에 가깝습니다.
네, 그런데 네트워크의 크기가 문제 해결 능력에 영향을 미친다고 생각한다면 큰 착각입니다.
아니 오히려 크기가 핵심이 아니라는 점을 강조했다(숨겨진 레이어와 뉴런의 수를 의미함) :-)) 모든 선동을 버리고 연구의 대상으로 삼을 수 있는 것을 상상해보자. 나는 지표의 표시 에 내 전략을 세우고 그들과의 오랜 싸움 후에 나는 이 접근 방식이 적합하지 않다는 것을 인정합니다 .. 그것은 질문입니다 ... 순전히 철학적입니다. MONA POPOBUT은 또 뭔가요?
나는 무엇을 제출해야 하는지 아주 오랫동안 알고 있었습니다. 나는 논의하고 싶었습니다. 정확히 가능한 모델을 말합시다. 일반적으로 함께 작업하면 더 좋아집니다. 나 자신도 이제 1년 동안 로봇을 연구하고 있다. 결과가 있지만 그다지 안정적이지 않습니다.
글쎄, 1 년으로는 충분하지 않습니다 :)
자, 시도해 보겠습니다. 하지만 그것은 단방향 게임이 될 것이며 당신의 것이 아닙니다.
공격에서 x0=0.2인 함수 x = 4 * (x-1) * (1 - (x-1))에 의해 형성된 의사 난수 급수
그가 당신에게 생각나는 것이 있습니까? 첫 번째 근사치로 이 시리즈는 시장의 데이터 흐름과 유사합니다.
t+1 값을 예측합니다. 네트워크 아키텍처, MLP 1-5-1, 입력 및 출력 뉴런의 추가 시냅스 연결.
2차 오차(10e-3)는 60-70t 영역에 도달합니다. 1000개 요소의 훈련 샘플이 있는 신기원. 훈련은 안티 그라디언트 방법으로 수행됩니다.
다양한 아키텍처를 모델링하여 토폴로지에 독립적인 시퀀스가 있고 오류가 감소하지 않는다는 것을 증명하는 것은 그리 어렵지 않습니다.
추가 레이어 수를 포함하여 네트워크의 복잡성에 크게 영향을 미칩니다.우리는 인공적인 예 또는 적중의 방법을 적용합니다. 결과는 학습률이 2.5배 증가한다는 것입니다. 즉, 허용 가능한 오류가 달성됩니다.
약 30~40톤. 시대
다음은 첫 번째 예입니다. 결과를 보기 위해 비틀 수 있습니다.
나는 무엇을 제출해야 하는지 아주 오랫동안 알고 있었습니다. 나는 논의하고 싶었습니다. 정확히 가능한 모델을 말합시다. 일반적으로 함께 작업하면 더 좋아집니다. 나 자신도 이제 1년 동안 로봇을 연구하고 있다. 결과가 있지만 그다지 안정적이지 않습니다.
그리고 이미 말했듯이 모델을 희생시키면서 Reshetov의 구현에 대한 설명을 살펴보십시오. 예, 성배 를 찾지 마십시오. 존재하지 않습니다. ;)
나는 무엇을 제출해야 하는지 아주 오랫동안 알고 있었습니다. 나는 논의하고 싶었습니다. 정확히 가능한 모델을 말합시다. 일반적으로 함께 작업하면 더 좋아집니다. 나 자신도 이제 1년 동안 로봇을 연구하고 있다. 결과가 있지만 그다지 안정적이지 않습니다.
한 가지만 말할 수 있습니다. 다시 한 번 이론(즉, 과학 이론이지만 대중 문헌)을 주의 깊게 읽으면 놓쳤거나 고려하지 않은 것을 찾을 수 있습니다. NeuroShell Day Trader 프로그램을 사용할 때 이론을 알 필요가 없다고 생각한다면 신경망 은 그대로 두십시오.
나는 심에게 절한다
1x5x1 네트워크에서는 어떤 결과도 얻지 못할 것이라고 확신합니다. 네트워크에는 최소한 두 개의 은닉층이 있어야 합니다. 신경망의 입력에 대해 20개 지표의 판독값을 정규화했습니다. 그래서 20개의 입력이 있습니다. 다른 토폴로지를 시도했습니다. 저는 20x140x140x4에서 멈췄습니다. 네트워크는 아마도 번거롭겠지만 잘 해석된 신호를 생성합니다. 자연스럽게 줄일 수 있습니다. 앞으로는 유전 알고리즘을 이용하여 토폴로지를 선정할 계획입니다. 네트워크 생성 및 훈련의 전 과정은 JAVANNS를 사용하여 이루어지며 훈련된 네트워크는 C-Code로 변환되며 이 코드는 이미 MetaTrader에서 사용할 수 있는 dll에서 의사 결정 기능을 생성할 때 사용됩니다. 맞습니다. 대략적인 과정 설명입니다. 그래서 1년째 하고 있습니다. 작업량이 매우 많습니다. NeuroShell Day Trader와 같은 프로그램은 자신의 손으로 필요한 방식으로 네트워크를 생성할 수 있는 경우 사용하기에는 어리석습니다. Nooooo, 내가 말하고 싶었던 것은 그것이 아닙니다. 나는 훈련 샘플을 만드는 문제에 대한 접근 방식에 관심이 있습니다.
훈련 샘플은 입력에 공급하는 것입니다. 이 경우 20개의 지표를 제출합니다. 지표는 초기 시계열 인 가격 계열 {H, L, O, C}의 처리입니다. 수학적 관점에서 TA에서 사용되는 지표를 고려하면 특정 그룹의 매트를 구별할 수 있습니다. 방법 - MA가 가장 간단한 주파수 필터 등이지만 고전적인 TA 방법으로 준비한 데이터가 신경망에 가장 적합하다고 누가 말했습니까?! 나는 심지어 반대라고 말할 것입니다. 실제로 적합하지 않습니다. 내가 의사 난수 함수를 외삽하기 위해 구축된 작은 네트워크의 예를 제시한 것은 헛된 것이 아닙니다.
조금 탐색하면 훈련 샘플 준비를 조금 다르게 볼 수 있는 매우 흥미로운 속성을 많이 찾을 수 있습니다. 따옴표의 흐름은 복잡한 법칙이 있는 의사 난수 함수로 간주될 수도 있습니다. 신경망은 수학적 방법이지만 응용 기술은 예술에 가깝습니다.
네, 그런데 네트워크의 크기가 문제 해결 능력에 영향을 미친다고 생각한다면 큰 착각입니다.
나는 당신이 예술이라고 부르는 것이 아마도 예측 가능하다는 점을 다시 한 번 강조합니다. 그것이 무엇인지에 관한 것입니다. 입력 뉴런의 수는 큰 역할을 합니다. 입력 데이터가 많을수록 정확한 예측을 할 가능성이 높아집니다. 뻔하다
난 동의하지 않는다. 내가 제공한 예인 1-5-1 네트워크를 사용하면 의사 난수 시퀀스를 높은 정확도로 예측할 수 있습니다.
나는 당신이 메커니즘을 완전히 이해하지 못한다는 인상을 받았기 때문에 이론을 조금 다시 읽는 것이 좋습니다.
신경망 이 무엇이라고 생각합니까?
글쎄, 당신은 이것을 이해하거나 이해하지 못하는 사람에 대해 오랫동안 논쟁 할 수 있습니다. 대화는 데이터 준비에 관한 것이었습니다. 여기 있는 누구도 이 문제를 논의하고 싶어하지 않는다는 것을 이해합니다. 불쌍해
친애하는, 당신은 그것에 대해 논의할 수 있습니다. 그러나 논의할 내용, TA에 있는 표시기의 주제와 NN의 데이터 전처리에 적합한 방법에 대한 주제를 만지면 논의하고 싶지 않거나 오히려 주제를 눈치 채지 못했다고 생각합니다. )
NN 훈련을 위해 데이터를 준비하는 방법에 대한 강의를 읽었다면 이 포럼에서 해서는 안 된다고 생각합니다. 여기에서는 누구에게도 관심이 없을 것입니다.