배신자 : 주님! 그래서 우리는 신경망 의 입력에 무엇을 공급할 것인가? 어떤 오류 함수를 선택할 것인가?
내용으로 판단하면 이것은 누구에게나 별로 관심이 없습니다. 많은 사람들이 소프트웨어라고 생각합니다 ...
나는 선의 경사각으로 시작하는 것을 제안합니다. 다른 기간의 회귀. 그리고 당신은 다른 TF로 할 수 있습니다. :)
오류 기능은 최대 이익입니다.
안녕하세요! 라인 각도 내 의견으로는 입력에 대한 회귀가 매우 흥미 롭습니다! 눈금자의 각도를 계산하는 것은 간단합니다(호 접선과 앞으로의 두 점을 취합니다). 이것이 이 TF의 각도일 것입니다. 각 TF에 대해 수직 스케일 등을 결정하는 계수가 있음이 밝혀졌습니다. 이 문제를 어떻게 해결합니까?
배신자 : 주님! 그래서 우리는 신경망 의 입력에 무엇을 공급할 것인가? 어떤 오류 함수를 선택할 것인가?
내용으로 판단하면 이것은 누구에게나 별로 관심이 없습니다. 많은 사람들이 소프트웨어라고 생각합니다 ...
나는 선의 경사각으로 시작하는 것을 제안합니다. 다른 기간의 회귀. 그리고 당신은 다른 TF로 할 수 있습니다. :)
오류 기능은 최대 이익입니다.
안녕하세요! 라인 각도 내 의견으로는 입력에 대한 회귀가 매우 흥미 롭습니다! 눈금자의 각도를 계산하는 것은 간단합니다(호 접선과 앞으로의 두 점을 취합니다). 이것이 이 TF의 각도일 것입니다. 각 TF에 대해 수직 스케일 등을 결정하는 계수가 있음이 밝혀졌습니다. 이 문제를 어떻게 해결합니까?
각 TF에 대한 계수를 입력하는 것은 어렵지 않습니다. 계수 없이 모든 값을 주어진 범위로 확장하고 국회의 입력에 적용할 수도 있습니다.
각 TF에 대한 계수를 입력하는 것은 어렵지 않습니다. 계수 없이 모든 값을 주어진 범위로 확장하고 국회의 입력에 적용할 수도 있습니다.
inint에서 TF를 정의하므로 미리 선택된 계수를 선택하지만 이 방법 자체는 마음에 들지 않습니다. 그리고 나는 무언가를 확장하는 방법을 알아내지 못했습니다.
PS 등록하기 위해 포럼에 방문했습니다.
나는 한 TF를 보고 거래하지 않을 것입니다... 한 TF에서 거래하는 것은 모스크바 순환 도로의 맹목적인 횡단과 같습니다
스케일링에
여기 평균에 대한 아이디어 중 하나가 있습니다.
가져가다
m1 m5 m15 m30 이것은 진입 H1 H4 D1이 지배적인 추세입니다.
m1 m5 m15 m30에서 한 번에 4개의 시간 프레임에서 팬이 완전히 열리는 것을 포착해야 합니다.
이봐 유리! 나는 단일 시간 프레임에서 LOOKING을 거래하지 않을 것입니다.... 게다가, 나는 한 번 비표준 시간 프레임이 없고 가장 신뢰할 수 있는 것을 찾아 그들을 모니터링할 수 있게 해주는 비표준 시간 프레임의 존재에 대해 크게 유감을 표명했습니다. 신호. 그것은 마치 고퍼와 같습니다. 우리는 그것을 볼 수 없지만 거기에 있습니다! 예를 들어, 30분에는 아직 열리지 않았지만 28분에는 이미 신호가 있습니다. 글쎄, 이것은 별개의 매우 깊은 주제입니다. 이 방향으로 발전이 있습니다. 프로필에 비누.
스케일링은 조금 다른 의미였습니다. 여기에서 나는 오랫동안 나를 걱정해 왔던 내 질문을 설명하기 위해 칠면조를 스케치했습니다. 그는 선형 회귀선 을 그립니다. 경사각을 측정하고 싶지만 수직으로 어떤 척도를 선택해야 할까요(가격 기준)? 하나의 TF에서도 수직 압축이 가능합니다.
터키에서는 원하는 그래프에 시각적 조정을 위한 계수 k를 도입했습니다. 사실 앵글 자체의 값은 성적인 의미가 없으므로 바꾸는 것이 중요합니다. 하지만 나는 하고 싶다 그것은 값(반드시 각도가 아님)이었고, 그 척도는 모든 TF에 대해 동일합니다. 나는 수학이 어떤 식으로든 이 문제를 해결한다고 생각합니다.
신경망에 대해서는 언급할 수 없습니다. 나는 그러한 네트워크를 직접 설계하지 않았지만(특히 C에서), 매우 하고 싶지만 시간이 없습니다.
PS 나는 당신의 발산 EA를 좋아합니다. 챔피언십에서 성공적인 마무리를 하시길 바랍니다.
2 파라몬 찾을 수 없다 NeuroDimension NeuroSolution 5.06 개발자는... 누구나... 힌트를 제공할 수 있습니다. 또는 우편으로 보내십시오. andrew.opeyda(개)gmail.com 나는 가지고있다: E보기 폴리 애널리스트 46 이볼버 4.06
njel : 2 파라몬 찾을 수 없다 NeuroDimension NeuroSolution 5.06 개발자는... 누구나... 힌트를 제공할 수 있습니다. 또는 우편으로 보내십시오. andrew.opeyda(개)gmail.com 나는 가지고있다: E보기 폴리 애널리스트 46 이볼버 4.06
주님!
그래서 우리는 신경망 의 입력에 무엇을 공급할 것인가? 어떤 오류 함수를 선택할 것인가?
내용으로 판단하면 이것은 누구에게나 별로 관심이 없습니다. 많은 사람들이 소프트웨어라고 생각합니다 ...
나는 선의 경사각으로 시작하는 것을 제안합니다. 다른 기간의 회귀. 그리고 당신은 다른 TF로 할 수 있습니다. :)
오류 기능은 최대 이익입니다.
라인 각도 내 의견으로는 입력에 대한 회귀가 매우 흥미 롭습니다!
눈금자의 각도를 계산하는 것은 간단합니다(호 접선과 앞으로의 두 점을 취합니다). 이것이 이 TF의 각도일 것입니다. 각 TF에 대해 수직 스케일 등을 결정하는 계수가 있음이 밝혀졌습니다. 이 문제를 어떻게 해결합니까?
주님!
그래서 우리는 신경망 의 입력에 무엇을 공급할 것인가? 어떤 오류 함수를 선택할 것인가?
내용으로 판단하면 이것은 누구에게나 별로 관심이 없습니다. 많은 사람들이 소프트웨어라고 생각합니다 ...
나는 선의 경사각으로 시작하는 것을 제안합니다. 다른 기간의 회귀. 그리고 당신은 다른 TF로 할 수 있습니다. :)
오류 기능은 최대 이익입니다.
라인 각도 내 의견으로는 입력에 대한 회귀가 매우 흥미 롭습니다!
눈금자의 각도를 계산하는 것은 간단합니다(호 접선과 앞으로의 두 점을 취합니다). 이것이 이 TF의 각도일 것입니다. 각 TF에 대해 수직 스케일 등을 결정하는 계수가 있음이 밝혀졌습니다. 이 문제를 어떻게 해결합니까?
각 TF에 대한 계수를 입력하는 것은 어렵지 않습니다. 계수 없이 모든 값을 주어진 범위로 확장하고 국회의 입력에 적용할 수도 있습니다.
각 TF에 대한 계수를 입력하는 것은 어렵지 않습니다. 계수 없이 모든 값을 주어진 범위로 확장하고 국회의 입력에 적용할 수도 있습니다.
PS 등록하기 위해 포럼에 방문했습니다.
각 TF에 대한 계수를 입력하는 것은 어렵지 않습니다. 계수 없이 모든 값을 주어진 범위로 확장하고 국회의 입력에 적용할 수도 있습니다.
PS 등록하기 위해 포럼에 방문했습니다.
나는 한 TF를 보고 거래하지 않을 것입니다... 한 TF에서 거래하는 것은 모스크바 순환 도로의 맹목적인 횡단과 같습니다
스케일링에
여기 평균에 대한 아이디어 중 하나가 있습니다.
가져가다
m1 m5 m15 m30 이것은 진입 H1 H4 D1이 지배적인 추세입니다.
m1 m5 m15 m30에서 한 번에 4개의 시간 프레임에서 팬이 완전히 열리는 것을 포착해야 합니다.
이 TF의 MA1 M3 M5 M8 M13 M21 M34 M89는 즉시 평균 팬을 열거나 열기 시작해야 합니다! 이것이 포인트다
그건 그렇고, 더 나은 것은 매우 유사한 점이 있습니다!
그러나 각 TF의 각 평균과 막대 수에 대해 0 또는 1과 같은 값을 신경망에 제출해야 합니다.
나는 옵션으로 평균 사이의 거리를 취하기 위해 가장 가까운 무거운 것이 가장 가까운 가벼운 것보다 낮으면 1로 이어질 것을 제안합니다.
주어진 두 평균에 따라 UP 추세가 될 것입니다.
m1 m5 m15 m30의 모든 평균에 대해 1을 얻었을 때 이것은 UP 팁입니다 - 더 오래된 시간 프레임에 대한 추가 분석
즉, 우리는 항상 M1에서 입구를 찾기 시작하고 이전 TF로 올라갑니다.
평균 사이의 거리를 스케일링하는 방법의 예
각 막대 배열에 대한 각 u에 대한 각 평균에 대해
..
AdE = 10000;
mas[0][1][ off+ _i ] = iMA ( Symbol(),PERIOD_M1, 5, 0 , MODE_EMA, PRICE_CLOSE, off+ _i );
tmp = mas[0][1][ off+ _i ]-mas[0][2][ off+ _i ]; // 5와 8 사이
tmp = MathCeil(AdE*tmp)/AdE; // 적응 단순화
if(tmp>1) tmp=1; if(tmp<-1) tmp=-1;
NN[1][1][_i+8] = tmp; // // -1 또는 1 범위 -1 ... 1을 그리드에 넣습니다.
mas[0][0] [ off+ _i ]= iMA( Symbol(),PERIOD_M1, 3, 0 , MODE_EMA, PRICE_CLOSE, off+ _i );
tmp = mas[0][0] [ off+ _i ]- mas[0][1][ off+ _i ]; // 5~3틱 사이의 스케일
tmp = (tmp) /포인트;
tmp = MathCeil(AdE*tmp)/AdE; // 적응 단순화
if(tmp>1) tmp=1; if(tmp<-1) tmp=-1;
NN[1][1][_i] = tmp; // -1 또는 1은 네트워크로 드라이브합니다.
팬의 전체 폭로가 무엇이며 폭로의 시작점은 명확하기를 바랍니다
PNN 네트워크는 실제로 모든 데이터를 자체 내부에 저장합니다. 빠르게 학습되지만 많은 메모리가 필요하고 속도가 느립니다.
4개의 기간이 평균 1 3 5 8 13 21 34 55 89라고 가정해 보겠습니다. 5개의 막대가 있다고 가정해 보겠습니다.
5 * 9 = 지정된 평균 세트에 따른 TF의 뉴런 45개
45 * 4 = 모든 TF에 대해 180개의 뉴런...
M1 M5 M15 M30 레이어에 뉴런을 배포하려고 할 수 있습니다. 4개의 레이어가 있습니다.
출구에 가장 가까운 레이어의 네트워크에 분기 신호를 추가합니다.
각 TF에 대한 계수를 입력하는 것은 어렵지 않습니다. 계수 없이 모든 값을 주어진 범위로 확장하고 국회의 입력에 적용할 수도 있습니다.
PS 등록하기 위해 포럼에 방문했습니다.
나는 한 TF를 보고 거래하지 않을 것입니다... 한 TF에서 거래하는 것은 모스크바 순환 도로의 맹목적인 횡단과 같습니다
스케일링에
여기 평균에 대한 아이디어 중 하나가 있습니다.
가져가다
m1 m5 m15 m30 이것은 진입 H1 H4 D1이 지배적인 추세입니다.
m1 m5 m15 m30에서 한 번에 4개의 시간 프레임에서 팬이 완전히 열리는 것을 포착해야 합니다.
글쎄, 이것은 별개의 매우 깊은 주제입니다. 이 방향으로 발전이 있습니다. 프로필에 비누.
스케일링은 조금 다른 의미였습니다.
여기에서 나는 오랫동안 나를 걱정해 왔던 내 질문을 설명하기 위해 칠면조를 스케치했습니다. 그는 선형 회귀선 을 그립니다. 경사각을 측정하고 싶지만 수직으로 어떤 척도를 선택해야 할까요(가격 기준)? 하나의 TF에서도 수직 압축이 가능합니다.
터키에서는 원하는 그래프에 시각적 조정을 위한 계수 k를 도입했습니다. 사실 앵글 자체의 값은 성적인 의미가 없으므로 바꾸는 것이 중요합니다. 하지만 나는 하고 싶다
그것은 값(반드시 각도가 아님)이었고, 그 척도는 모든 TF에 대해 동일합니다.
나는 수학이 어떤 식으로든 이 문제를 해결한다고 생각합니다.
신경망에 대해서는 언급할 수 없습니다. 나는 그러한 네트워크를 직접 설계하지 않았지만(특히 C에서), 매우 하고 싶지만 시간이 없습니다.
PS 나는 당신의 발산 EA를 좋아합니다. 챔피언십에서 성공적인 마무리를 하시길 바랍니다.
찾을 수 없다 NeuroDimension NeuroSolution 5.06 개발자는... 누구나... 힌트를 제공할 수 있습니다. 또는 우편으로 보내십시오. andrew.opeyda(개)gmail.com
나는 가지고있다:
E보기
폴리 애널리스트 46
이볼버 4.06
2 파라몬
찾을 수 없다 NeuroDimension NeuroSolution 5.06 개발자는... 누구나... 힌트를 제공할 수 있습니다. 또는 우편으로 보내십시오. andrew.opeyda(개)gmail.com
나는 가지고있다:
E보기
폴리 애널리스트 46
이볼버 4.06
개발자 웹사이트에서 받는 것이 가장 좋지만 약간의 등록이 필요합니다.
뉴런 입력을 위한 데이터 준비 방법!
각 입력 W 스케일에서 3개의 입력이 있는 뉴런이 있다고 가정해 보겠습니다.
출력 뉴런은 어떤 값을 제공해야 합니다
옵션 1 뉴런은 이미 변환된 데이터의 일부 범위를 수신합니다(예: { -1.0 -0.9 -0.8 -0.7 ... 0 ). 0.1 0.2 ... 0.7 0.8 0.9 1. 0} 입력당
출력은 0 : 1의 두 값뿐입니다.
옵션 2, 뉴런은 이미 변환된 데이터의 일부 범위를 수신합니다. 각 입력에 대해 { -10.0 ... 0 ... 10.0 }이라고 가정해 보겠습니다.
출력은 동일한 범위의 값 이지만 이미 가중치를 고려하고 있습니다.
세 번째 옵션, 뉴런은 가중치 { 0 1 }에 따라 출력에서 각 입력에 대해 { 1 0 0 }을 받습니다.
데이터 변환을 올바르게 준비하는 방법.... 뉴런의 경우... 모두 1과 0일 수는 없습니다... 일종의 범위가 있어야 합니까?
나는 입력 레이어에 대해 이야기하고 있습니다! 각 계층은 데이터를 점점 더 압축합니다.
이론적으로 네트워크 출력에서 6개의 상태를 가져와야 하며 어리석게도 1과 0이 아닙니다.
출력에는 이미 6개의 상태가 있다고 가정해 보겠습니다.
1 1-판매
2 1-판매 종료
3 1 구매
4 1 구매 종료
5 1- 계속 매수 추세
6 1-hold 매도 하락세
어쩌면 내가 틀렸어
종종 함수가 쌍곡선 탄젠트 형태인 경우 입력은 -1..1 또는 0..1로 정규화됩니다.
하지만 누가 neurosolutions에서 dll을 컴파일 했습니까?