결론은 테스터 GA에서 선택한 모든 가중치와 임계값이 있다는 것입니다. 마지막 3개를 제외하고 보고서의 입력 매개변수를 참조하세요. 학습률이 높기 때문에 5분 이내의 10,000바 최적화. 그렇다면 256개의 입력이 필요하지 않기 때문입니다. 눈에는 3개로 충분합니다. 눈에도 격자가 검은색으로 다시 훈련됩니다.
글쎄, 주제는 오랫동안 사라졌습니다. 우리는 누구에게도 해를 끼치 지 않을 것입니다 ...
그러나 중재자와 논쟁하지 않는 것이 좋습니다. 최소한 우리는 규칙 IMHO를 위반하지 않으며 이 경우 행정부에 연락할 권리가 있습니다.
figar0 :
재교육 중인 것이 확실합니까? 아키텍처의 약점으로 인해 단순히 "컴퓨팅 능력 일반화"가 충분하지 않은 것은 아닐까?
응 확신 해.
이것은 증명하기 쉽습니다. 문제는 최적화 결과에서 매우 성배 표시기가 있으면 앞으로 표시되는 것이 성공적이지 않다는 것입니다. 그러나 이러한 결과를 지표별로 정렬한 다음 포워드가 이미 성공을 거두고 있는 더 평범한 가치를 찾을 수 있습니다. 성공적인 포워드는 이러한 결과가 매우 성가신 것은 아니지만 과도하지 않은 최적화 결과에서 혼잡하다고 말하는 것이 더 정확할 것입니다.
가장 간단한 예. 우리는 적절한 기록을 가져와서 테이크와 스톱을 제거하고 TS를 설정하여 각 막대에서 NS 판독값을 가져와서 거래합니다. 저것들. 그리드의 판독 값이 열린 위치의 양모에 반대이면 뒤집습니다. 그리드는 몇 개의 트랜잭션만 열고 모든 것이 플러스가 되는 방식으로 구성됩니다(이익 요소 없음). 단일 레이어 퍼셉트론과 표준 네트워크에서도 나는 이것을 본 적이 없습니다. 거기에서 그리드는 종종 실수를 하기 때문에 오랜 역사적 기간 동안 스톱 앤 테이크 없이도 상당한 양의 거래를 합니다.
나는 이것이 내가 첫 번째 레이어를 수정했다는 사실 때문이라고 생각하고, 어떤 이유에서인지 이제 은닉의 입력에 엄격하게 선형으로 분리 가능한 데이터를 공급할 수 있습니다. FIG는 알고 있지만 내 디자인이 Rosenblat보다 훨씬 간단하기 때문에? 아마도 그 이유는 모든 입력 매개변수에 대한 전체 네트워크가 GA를 사용하여 한 번에 조정되고 탱크로서의 GA가 극단으로 돌진하기 때문일 수 있지만 직접적이지는 않지만 아스팔트 위의 두 손가락과 같은 이러한 최적화를 위한 다인자 데이터, 명확하게 정의된 극값 또는 여러 개의 극값만 있는 경우. 반면에 첫 번째 계층의 원시성으로 인해 매우 빠르고 적절하게 구성됩니다.
IMHO는 입력 레이어가 있는 최신 신경망에서 과도한 복잡성의 방향으로 너무 영리합니다. 결과적으로 잘 작동하지 않습니다. 그리고 다계층 네트워크에서는 첫 번째 계층이 가장 중요합니다. 은닉층에 출력하는 내용에 따라 최종 결과에 영향을 미칩니다. 결국, 일반 그리드는 대부분 3층 구조인 반면, 은닉층과 출력층은 이미 다차원 공간에서 기본 선형 평면입니다.
또 다른 기능은 입력 데이터의 동적 정규화입니다. static을 사용하는 경우 변동성 변화(앞으로 확실히 변경됨)가 결과에 영향을 미칩니다. 나는 동적을 위해이 문제를 해결했습니다.
이전 페이지의 입력은 어떻습니까? 미끄러운 곳은 차의 시대라...국회에서 이런 원시적인 결과물을 얻기 위해 이런 마법 같은 일이 일어날 수 있다는 것은 상상조차 하지 못한다. 그리고 사실은 어디에서 훈련 샘플을 사용하지 않습니까? OOS에서 오르막길입니까? 결과가 정말 안정적입니까? 다른 쌍과 악기는 어떻습니까? EURUSD는 예측하기 가장 쉽습니다.
레셰토프 :
그리드가 조정되지 않도록 하려면 거래 전략을 더 만지작거려야 했습니다.
또한 어떻게 든 명확하지 않습니다. NS는 신호를 보내야 하고, 훈련 단계에서 TS를 통해 NS를 지시하는 것은 개인적으로 나에게 비논리적으로 보입니다. 바로, 어쩐지 접근이 정반대인데... 차를 넘어 어느 방향으로 가버린 걸까.
레셰토프 :
또 다른 기능은 입력 데이터의 동적 정규화입니다. static을 사용하는 경우 변동성(앞으로 확실히 변경됨)의 변화가 결과에 영향을 미칩니다. 나는 동적을 위해이 문제를 해결했습니다.
나는 또한 이것을 때로는 좋게, 때로는 그다지하지 않습니다. 또한 입력에 따라 다르지만 이러한 입력은 확실히 도움이 될 것입니다. 물론 동적 정규화는 입력에 정보성을 추가하지만 학습을 복잡하게 만들고 모든 것이 학습과 함께 "단순"하기 때문에 이것이 긍정적인 결과를 위해 작동하는 것이 논리적입니다.
비관론은 전략 테스터의 한계에 의해 결정됩니다. 입력 값의 범위가 크거나 이러한 동일한 값의 수가 제한을 초과하면 최적화 프로그램의 실행이 거부됩니다. 그래서 아직 한계가 있습니다.
오늘 나는 마침내 3:3:1 아키텍처(입력에 3개의 뉴런, 3개의 숨겨진 입력, 1개의 출력)를 사용하여 완전히 MQL4로 작성된 신경망 조립을 완료했습니다. 모든 레이어는 테스터 GA를 사용하여 구성됩니다. 그러나 문제는 1개의 레이어에 대해 적어도 12개의 입력 매개변수가 필요하다는 것입니다(Rosenblat과 같이). 그리고 옵티마이저는 그렇게 많이 당기지 않습니다. 나는 나가서 첫 번째 레이어를 단순화해야했습니다.
직접 만든 메쉬는 조립식과 달리 업그레이드가 가능하기 때문에 좋습니다. 예를 들어 첫 번째 레이어를 비표준으로 만들어야 한다는 사실 외에 입력 데이터의 동적 정규화도 삽입했습니다.
입력 신호는 매우 원시적입니다.
위의 모든 원시성에도 불구하고 그리드는 매우 재학습 가능한 것으로 판명되었습니다. 이러한 가중치 및 임계값은 테스트 결과에 단일 오류가 없는 것으로 판명될 때 쉽게 선택됩니다(이익 요소가 없음). 그러나 그러한 조정 후에 스프레드의 배수에 대한 전방 테스트가 즉시 시작됩니다. 그리드가 조정되지 않도록 하기 위해 거래 전략을 더 만지작거려야 했습니다.
가장 흥미로운 것은 그래프에서도 최적화 섹션이 전방 섹션보다 나쁘다는 것을 보여줍니다. 이것은 거의 발생하지 않습니다. 나는 많은 다른 사람들 중에서 이 스트라이커를 최고로 선택했지만, 즉. 다른 포워드에서는 최적화 및 대부분보다 더 나쁜 결과가 있지만 그럼에도 불구하고.
팁 고마워! 당신과 나를 위해 Vinin 당신은 권위에 있습니다. 얼마나 많은 시간이 흘렀고 당신은 여전히 이 주제에 대해 작업하고 있습니다. 나는 인터넷에서 당신의 작업을 수집했습니다. 가장 흥미로운 것은 당신이 모두 옳고 당신이 같은 목표를 향해 평행하게 가고 있다는 것을 모른다는 것입니다. . 나는 하나에서 가져 와서 다른 하나에서 가져 왔으며 이제 결과를 기다리고 있습니다. 당신은 새로운 방향을 만들고 있지만 매우 어렵습니다!!
256개의 뉴런당 하나의 은닉층인 256개의 입력으로 구성된 일반 그리드를 만들었습니다. 음, 한 뉴런의 출력 레이어입니다. 그리고 이 모든 것이 MT4에서 완벽하게 가르쳐졌습니다.
1. 테스터의 유전자 알고리즘 또는 내부 메쉬 학습 알고리즘?
테스터의 유전자 알고리즘 또는 메쉬의 내부 학습 알고리즘?
모든 것은 스크립트를 통해 이루어졌습니다. 내부 알고리즘
256개의 입력이 필요하지 않습니다. 왜냐하면 눈에는 3개로 충분합니다. 눈에도 격자가 검은색으로 다시 훈련됩니다.이것은 이미 범위를 벗어났습니다. 논의할 가치가 없습니다. 각자에게
이것은 이미 범위를 벗어났습니다. 논의할 가치가 없습니다. 각자에게
글쎄, 주제는 오랫동안 사라졌습니다. 우리는 누구에게도 해를 끼치 지 않을 것입니다 ...
그렇다면 256개의 입력이 필요하지 않기 때문입니다. 눈에는 3개로 충분합니다. 눈에도 격자가 검은색으로 다시 훈련됩니다.재교육을 받고 있는 것이 확실합니까? 아키텍처의 약점으로 인해 단순히 "컴퓨팅 능력 일반화"가 충분하지 않은 것은 아닐까?
두 틱의 교차점에 있는 Expert Advisor는 옵티마이저에서 조정되지만 앞으로는 매우 운이 좋은 경우에만 작동합니다. 그리고 그것은 분명히 재교육의 문제가 아닙니다 ...
사실 과적합은 다루기 쉽기 때문에 훈련 샘플의 크기를 컨트롤이나 FOS에서 안정적인 플러스로 늘립니다. NN은 전체 샘플을 기억할 수 없으며 단순히 일반화해야 합니다. 물론 이 경우 시스템 특성의 저하가 불가피하지만 여기서는 이미 입력에 더 많이 의존합니다.
글쎄, 주제는 오랫동안 사라졌습니다. 우리는 누구에게도 해를 끼치 지 않을 것입니다 ...
그러나 중재자와 논쟁하지 않는 것이 좋습니다. 최소한 우리는 규칙 IMHO를 위반하지 않으며 이 경우 행정부에 연락할 권리가 있습니다.
재교육 중인 것이 확실합니까? 아키텍처의 약점으로 인해 단순히 "컴퓨팅 능력 일반화"가 충분하지 않은 것은 아닐까?
응 확신 해.
이것은 증명하기 쉽습니다. 문제는 최적화 결과에서 매우 성배 표시기가 있으면 앞으로 표시되는 것이 성공적이지 않다는 것입니다. 그러나 이러한 결과를 지표별로 정렬한 다음 포워드가 이미 성공을 거두고 있는 더 평범한 가치를 찾을 수 있습니다. 성공적인 포워드는 이러한 결과가 매우 성가신 것은 아니지만 과도하지 않은 최적화 결과에서 혼잡하다고 말하는 것이 더 정확할 것입니다.
가장 간단한 예. 우리는 적절한 기록을 가져와서 테이크와 스톱을 제거하고 TS를 설정하여 각 막대에서 NS 판독값을 가져와서 거래합니다. 저것들. 그리드의 판독 값이 열린 위치의 양모에 반대이면 뒤집습니다. 그리드는 몇 개의 트랜잭션만 열고 모든 것이 플러스가 되는 방식으로 구성됩니다(이익 요소 없음). 단일 레이어 퍼셉트론과 표준 네트워크에서도 나는 이것을 본 적이 없습니다. 거기에서 그리드는 종종 실수를 하기 때문에 오랜 역사적 기간 동안 스톱 앤 테이크 없이도 상당한 양의 거래를 합니다.
나는 이것이 내가 첫 번째 레이어를 수정했다는 사실 때문이라고 생각하고, 어떤 이유에서인지 이제 은닉의 입력에 엄격하게 선형으로 분리 가능한 데이터를 공급할 수 있습니다. FIG는 알고 있지만 내 디자인이 Rosenblat보다 훨씬 간단하기 때문에? 아마도 그 이유는 모든 입력 매개변수에 대한 전체 네트워크가 GA를 사용하여 한 번에 조정되고 탱크로서의 GA가 극단으로 돌진하기 때문일 수 있지만 직접적이지는 않지만 아스팔트 위의 두 손가락과 같은 이러한 최적화를 위한 다인자 데이터, 명확하게 정의된 극값 또는 여러 개의 극값만 있는 경우. 반면에 첫 번째 계층의 원시성으로 인해 매우 빠르고 적절하게 구성됩니다.
IMHO는 입력 레이어가 있는 최신 신경망에서 과도한 복잡성의 방향으로 너무 영리합니다. 결과적으로 잘 작동하지 않습니다. 그리고 다계층 네트워크에서는 첫 번째 계층이 가장 중요합니다. 은닉층에 출력하는 내용에 따라 최종 결과에 영향을 미칩니다. 결국, 일반 그리드는 대부분 3층 구조인 반면, 은닉층과 출력층은 이미 다차원 공간에서 기본 선형 평면입니다.
또 다른 기능은 입력 데이터의 동적 정규화입니다. static을 사용하는 경우 변동성 변화(앞으로 확실히 변경됨)가 결과에 영향을 미칩니다. 나는 동적을 위해이 문제를 해결했습니다.
....
이전 페이지의 입력은 어떻습니까? 미끄러운 곳은 차의 시대라...국회에서 이런 원시적인 결과물을 얻기 위해 이런 마법 같은 일이 일어날 수 있다는 것은 상상조차 하지 못한다. 그리고 사실은 어디에서 훈련 샘플을 사용하지 않습니까? OOS에서 오르막길입니까? 결과가 정말 안정적입니까? 다른 쌍과 악기는 어떻습니까? EURUSD는 예측하기 가장 쉽습니다.
그리드가 조정되지 않도록 하려면 거래 전략을 더 만지작거려야 했습니다.
또한 어떻게 든 명확하지 않습니다. NS는 신호를 보내야 하고, 훈련 단계에서 TS를 통해 NS를 지시하는 것은 개인적으로 나에게 비논리적으로 보입니다. 바로, 어쩐지 접근이 정반대인데... 차를 넘어 어느 방향으로 가버린 걸까.
또 다른 기능은 입력 데이터의 동적 정규화입니다. static을 사용하는 경우 변동성(앞으로 확실히 변경됨)의 변화가 결과에 영향을 미칩니다. 나는 동적을 위해이 문제를 해결했습니다.
나는 또한 이것을 때로는 좋게, 때로는 그다지하지 않습니다. 또한 입력에 따라 다르지만 이러한 입력은 확실히 도움이 될 것입니다. 물론 동적 정규화는 입력에 정보성을 추가하지만 학습을 복잡하게 만들고 모든 것이 학습과 함께 "단순"하기 때문에 이것이 긍정적인 결과를 위해 작동하는 것이 논리적입니다.
이전 페이지의 입력은 어떻습니까? 미끄럽던곳 시대차...
나는 차의 일정한 기간이 있습니다. 이전에는 입력 매개변수였지만 여러 성공적인 순방향 테스트를 수집하고 이 매우 일정한 주위에서 춤을 추고 있다는 결론에 도달했습니다.
그런 원시적인 결과를 얻기 위해 국회에서 그런 마법 같은 일이 일어날 수 있다는 것은 상상조차 할 수 없습니다.
...
또한 어떻게 든 명확하지 않습니다. NS는 신호를 보내야 하고, 훈련 단계에서 TS를 통해 NS를 지시하는 것은 개인적으로 나에게 비논리적으로 보입니다. 바로, 어쩐지 접근이 정반대인데... 차를 넘어 어느 방향으로 가버린 걸까.
이 모든 경제는 하루아침에 이루어진 것이 아니라 꽤 오랜 시간 동안 조금씩 이루어졌다. 무언가가 점진적으로 추가되고, 다듬어지고, 알고리즘에서 무언가가 버려졌습니다.
그리고 화를 내:
1. 오버 코드 최소화. 미켈란젤로의 방법 : 우리는 돌 블록을 가져 와서 불필요한 것을 잘라 내고 조각품을 얻습니다 (나중에이 방법은 Ockham과 그의 면도기에 기인했습니다).
2. 테스터 최적화의 한계 우회
3. TC를 두꺼운 피부로 거칠게 하여 핏을 없앤다.
figar0 :
그리고 사실은 어디에서 훈련 샘플을 사용하지 않습니까? OOS에서 오르막길입니까? 결과가 정말 안정적입니까? 다른 쌍과 악기는 어떻습니까? EURUSD는 예측하기 가장 쉽습니다.
OOS에 대한 결과는 다르며 드레인 결과도 있습니다. 의도적으로 결과를 조정한 후 그리드가 스프레드에 따라 병합되지 않으면 놀라운 일이 될 것입니다. 나는 그들이 모두 수익성이 있다고 말하지 않았지만 가장 "맛있는"것을 선택했다고 말했습니다.
다른 전략과 비교할 때 유일한 차이점은 성공적인 포워드는 수동으로 쉽게 찾을 수 있고( 최적화 결과가 정렬되면 혼잡해짐) 선택이 충분히 넓고 개별 입력 매개변수에 대해 적절한 슬라이스, 즉 완만한 경사가 있는 극한.
다른 쌍 중에서 나는 금과 GBPUSD를 약간 확인했습니다. 거의 같습니다.
비관론은 전략 테스터의 한계에 의해 결정됩니다. 입력 값의 범위가 크거나 이러한 동일한 값의 수가 제한을 초과하면 최적화 프로그램의 실행이 거부됩니다. 그래서 아직 한계가 있습니다.
오늘 나는 마침내 3:3:1 아키텍처(입력에 3개의 뉴런, 3개의 숨겨진 입력, 1개의 출력)를 사용하여 완전히 MQL4로 작성된 신경망 조립을 완료했습니다. 모든 레이어는 테스터 GA를 사용하여 구성됩니다. 그러나 문제는 1개의 레이어에 대해 적어도 12개의 입력 매개변수가 필요하다는 것입니다(Rosenblat과 같이). 그리고 옵티마이저는 그렇게 많이 당기지 않습니다. 나는 나가서 첫 번째 레이어를 단순화해야했습니다.
직접 만든 메쉬는 조립식과 달리 업그레이드가 가능하기 때문에 좋습니다. 예를 들어 첫 번째 레이어를 비표준으로 만들어야 한다는 사실 외에 입력 데이터의 동적 정규화도 삽입했습니다.
입력 신호는 매우 원시적입니다.
위의 모든 원시성에도 불구하고 그리드는 매우 재학습 가능한 것으로 판명되었습니다. 이러한 가중치 및 임계값은 테스트 결과에 단일 오류가 없는 것으로 판명될 때 쉽게 선택됩니다(이익 요소가 없음). 그러나 그러한 조정 후에 스프레드의 배수에 대한 전방 테스트가 즉시 시작됩니다. 그리드가 조정되지 않도록 하기 위해 거래 전략을 더 만지작거려야 했습니다.
게임은 모든 두뇌를 뒤집어 놓았지만 촛불의 가치가 있었습니다.
테스트 결과입니다. 1개에서 273개까지의 거래 - 최적화, 그 다음 순방향 테스트.
다음은 순방향 테스트입니다.
다음은 전방 테스트 결과입니다.
가장 흥미로운 것은 그래프에서도 최적화 섹션이 전방 섹션보다 나쁘다는 것을 보여줍니다. 이것은 거의 발생하지 않습니다. 나는 많은 다른 사람들 중에서 이 스트라이커를 최고로 선택했지만, 즉. 다른 포워드에서는 최적화 및 대부분보다 더 나쁜 결과가 있지만 그럼에도 불구하고.
팁 고마워! 당신과 나를 위해 Vinin 당신은 권위에 있습니다. 얼마나 많은 시간이 흘렀고 당신은 여전히 이 주제에 대해 작업하고 있습니다. 나는 인터넷에서 당신의 작업을 수집했습니다. 가장 흥미로운 것은 당신이 모두 옳고 당신이 같은 목표를 향해 평행하게 가고 있다는 것을 모른다는 것입니다. . 나는 하나에서 가져 와서 다른 하나에서 가져 왔으며 이제 결과를 기다리고 있습니다. 당신은 새로운 방향을 만들고 있지만 매우 어렵습니다!!