NSDT에는 Kohonen이 없지만 Adaptive Net Indicators 애드온에는 다른 분류 네트워크가 있습니다. NeuroShell2의 네트워크를 MT4 또는 NSDT에 직접 연결할 수 있지만.
코호넨 네트워크를 어떻게 거래할 계획인지 궁금합니다. 세 수업이 아니라 훨씬 더 많은 것이 밝혀졌습니다. 결과 클래스를 구문 분석하기 위한 일종의 알고리즘이 필요합니다. ..
pom으로 바 분류에 대한 연구를 막 시작했을 때. 코호넨 차트 , 실험의 단순성을 위해 막대를 코딩했습니다: 강세 +1, 약세 -1, 닷지 0. NS2의 불도저에서 15개의 클래스를 만들었습니다. 훈련 후 4개의 수업이 비어 있는 것으로 나타났습니다. 클래스 수를 11개로 변경했고 이 형식으로 이 그리드를 MT4로 옮겼습니다. 그런 다음 스크립트를 사용하여 모든 극점 근처에 세 개의 클래스를 작성하고 간단한 리턴 라인을 만들었습니다. 또한 입력 데이터는 "있는 그대로" 제공되었습니다. 그냥 클래스 번호. 정상화는 어디에도 없었다. 그런 다음 2005년에 대해 "설정"된 리턴 라인의 신호에 따라 이러한 그리드로만 구성된 간단한 Expert Advisor입니다. 이상하게도 그는 벌기까지 했습니다. 물론 이것은 실험도 아니고 실험실 작업이기 때문에 결과에 대한 결론을 내리려고도하지 않았습니다. 그러나 방향성에 대한 전망을 생각하고 싶었습니다 ...
저것들. 클래스 선택 알고리즘이 필요하지 않았다고 말하고 싶습니다. NS2 자체의 그래프에 모든 것이 명확하게 그려졌습니다. 그리고 일반적으로 NS2 자체에서 원하는 결과를 얻을 수 있습니다. 사실, 이를 위해서는 약간 앞뒤로 점프하고, 매개변수를 가지고 놀고, 그래프를 보고, 출력을 봐야 합니다. 저것들. 다소 지루하지만 충분히 가능합니다.
코호넨 네트워크를 거래에 어떻게 사용할 계획인지 궁금합니다. 세 수업이 아니라 훨씬 더 많은 것이 밝혀졌습니다. 결과 클래스를 구문 분석하기 위한 일종의 알고리즘이 필요합니다. ..
물론 3도, 10도 아닙니다. 첫 번째 단계에서 적절한 기준을 찾기 위해 펜으로 분석합니다. 그런 다음 자동화합니다. 의도한 것에서: - 각 입력에 대해 "이상성 정도"의 추정값이 걸려 있습니다. 예를 들어 국소 극값(33)에 가까운 정도 - 그런 다음 각 클래스는 순도 측면에서 평가될 수 있습니다. - 해당 입력에 이상적이거나 가까운 입력이 몇 개 있는지, 비어 있는 클래스가 몇 개인지
입력 세트(시간)의 첫 번째 버전에 대한 첫 번째 연구는 백 개의 클래스(뉴런) 에 대해 시장 진입 측면에서 상당히 수용 가능한 2-3개의 클래스가 있음을 보여주었습니다. 글쎄,이 클래스의 힘에 따르면 하루에 약 2-4 개의 트랜잭션이 나타납니다.
모든 것이 여전히 축축하고 개발 중입니다 :-) 그런 다음 독립적으로 네트워크를 만들고, 훈련하고, 평가하고, 내장 테스터에서 실행하고, 결과를 저장하고, 새 것을 만들고, 실행하는 프로그램을 만들 계획입니다. , "챔피언" 등을 선택하십시오.
추신. 좋아, 지금은 NS2를 괴롭힐 것이다. 내가 말했듯이 인터페이스와 네트워크 훈련 결과 평가 면에서 비참할 뿐이다.
Kohonen 네트워크와 협력하여 몇 개의 수업이 나올지 미리 말할 수 없습니다. 학습 과정에서 입력 특징 벡터는 지정된 분리성 기준(예: 유클리드 거리)이 충족되는 한 클래스로 나뉩니다. "혈전"이 있다고 가정하고 센터를 찾은 다음 ...
시각적으로는 물론 지도에서 평가할 수 있지만 자동으로 되었으면 합니다. 두 번째 단계에는 어떤 수업이 어떤 행동에 해당하는지 알려주는 교사가 있어야 합니다.
내 것도 여전히 축축하다. 아이디어, 개발이 있습니다. 저도 NS2로 작업합니다.
글쎄, 왜 우리는 얼마나 많은 수업이 나올지 말할 수 없습니까? 우리가 말할 수있는 모든 것. NS2에서는 어떻게 되는지 모르겠습니다(확인하지 않겠습니다 - 보지 않았습니다). 그러나 Trader에서는 얼마나 많은 클래스를 지정했는지, 너무 많이 있을 것입니다 - 클래스 구매, 클래스 판매, 종료 클래스 구매, 종료 판매 수업. 얼마나 필요하고 앞으로도 그럴 것입니다. 그리고 별 문제가 없습니다...
첫째, 나는 거기에서 Kohonen의 지도 를 색칠하는 것이 불가능하기 때문에 HC2를 좋아하지 않습니다. 둘째, deductor가 쉽게 허용하는 즉시 클러스터링을 변경할 수 없습니다. 이를 위해 네트워크를 재교육할 필요가 없습니다! 클래스에서 연관 매개변수를 변경하기 위해서만. 동일한 공제기에서 클래스 수를 설정할 수 있고 클러스터링에 대한 유의 수준을 설정할 수 있습니다. 그러면 실제로 얼마나 많은지 명확하지 않거나 클래스 없이 할 수 있고 입력이 떨어지는 셀을 볼 수 있습니다. 안으로.
NSDT에는 Kohonen이 없지만 Adaptive Net Indicators 애드온에는 다른 분류 네트워크가 있습니다. NeuroShell2의 네트워크를 MT4 또는 NSDT에 직접 연결할 수 있지만.
코호넨 네트워크를 어떻게 거래할 계획인지 궁금합니다. 세 수업이 아니라 훨씬 더 많은 것이 밝혀졌습니다. 결과 클래스를 구문 분석하기 위한 일종의 알고리즘이 필요합니다. ..
pom으로 바 분류에 대한 연구를 막 시작했을 때. 코호넨 차트 , 실험의 단순성을 위해 막대를 코딩했습니다: 강세 +1, 약세 -1, 닷지 0. NS2의 불도저에서 15개의 클래스를 만들었습니다. 훈련 후 4개의 수업이 비어 있는 것으로 나타났습니다. 클래스 수를 11개로 변경했고 이 형식으로 이 그리드를 MT4로 옮겼습니다. 그런 다음 스크립트를 사용하여 모든 극점 근처에 세 개의 클래스를 작성하고 간단한 리턴 라인을 만들었습니다. 또한 입력 데이터는 "있는 그대로" 제공되었습니다. 그냥 클래스 번호. 정상화는 어디에도 없었다. 그런 다음 2005년에 대해 "설정"된 리턴 라인의 신호에 따라 이러한 그리드로만 구성된 간단한 Expert Advisor입니다. 이상하게도 그는 벌기까지 했습니다. 물론 이것은 실험도 아니고 실험실 작업이기 때문에 결과에 대한 결론을 내리려고도하지 않았습니다. 그러나 방향성에 대한 전망을 생각하고 싶었습니다 ...
저것들. 클래스 선택 알고리즘이 필요하지 않았다고 말하고 싶습니다. NS2 자체의 그래프에 모든 것이 명확하게 그려졌습니다. 그리고 일반적으로 NS2 자체에서 원하는 결과를 얻을 수 있습니다. 사실, 이를 위해서는 약간 앞뒤로 점프하고, 매개변수를 가지고 놀고, 그래프를 보고, 출력을 봐야 합니다. 저것들. 다소 지루하지만 충분히 가능합니다.
코호넨 네트워크를 거래에 어떻게 사용할 계획인지 궁금합니다. 세 수업이 아니라 훨씬 더 많은 것이 밝혀졌습니다. 결과 클래스를 구문 분석하기 위한 일종의 알고리즘이 필요합니다. ..
물론 3도, 10도 아닙니다. 첫 번째 단계에서 적절한 기준을 찾기 위해 펜으로 분석합니다. 그런 다음 자동화합니다. 의도한 것에서:
- 각 입력에 대해 "이상성 정도"의 추정값이 걸려 있습니다. 예를 들어 국소 극값(33)에 가까운 정도
- 그런 다음 각 클래스는 순도 측면에서 평가될 수 있습니다. - 해당 입력에 이상적이거나 가까운 입력이 몇 개 있는지, 비어 있는 클래스가 몇 개인지
입력 세트(시간)의 첫 번째 버전에 대한 첫 번째 연구는 백 개의 클래스(뉴런) 에 대해 시장 진입 측면에서 상당히 수용 가능한 2-3개의 클래스가 있음을 보여주었습니다. 글쎄,이 클래스의 힘에 따르면 하루에 약 2-4 개의 트랜잭션이 나타납니다.
모든 것이 여전히 축축하고 개발 중입니다 :-) 그런 다음 독립적으로 네트워크를 만들고, 훈련하고, 평가하고, 내장 테스터에서 실행하고, 결과를 저장하고, 새 것을 만들고, 실행하는 프로그램을 만들 계획입니다. , "챔피언" 등을 선택하십시오.
추신. 좋아, 지금은 NS2를 괴롭힐 것이다. 내가 말했듯이 인터페이스와 네트워크 훈련 결과 평가 면에서 비참할 뿐이다.
왜 안 돼? 있다.
Kohonen 네트워크와 협력하여 몇 개의 수업이 나올지 미리 말할 수 없습니다. 학습 과정에서 입력 특징 벡터는 지정된 분리성 기준(예: 유클리드 거리)이 충족되는 한 클래스로 분할됩니다. "혈전"이 있다고 가정하고 센터를 찾은 다음 ...
시각적으로는 물론 지도에서 평가할 수 있지만 자동으로 되었으면 합니다. 두 번째 단계에는 어떤 수업이 어떤 행동에 해당하는지 알려주는 교사가 있어야 합니다.
내 것도 여전히 축축하다. 아이디어, 개발이 있습니다. 저도 NS2로 작업합니다.
Kohonen 네트워크와 협력하여 몇 개의 수업이 나올지 미리 말할 수 없습니다. 학습 과정에서 입력 특징 벡터는 지정된 분리성 기준(예: 유클리드 거리)이 충족되는 한 클래스로 나뉩니다. "혈전"이 있다고 가정하고 센터를 찾은 다음 ...
시각적으로는 물론 지도에서 평가할 수 있지만 자동으로 되었으면 합니다. 두 번째 단계에는 어떤 수업이 어떤 행동에 해당하는지 알려주는 교사가 있어야 합니다.
내 것도 여전히 축축하다. 아이디어, 개발이 있습니다. 저도 NS2로 작업합니다.
글쎄, 왜 우리는 얼마나 많은 수업이 나올지 말할 수 없습니까? 우리가 말할 수있는 모든 것. NS2에서는 어떻게 되는지 모르겠습니다(확인하지 않겠습니다 - 보지 않았습니다). 그러나 Trader에서는 얼마나 많은 클래스를 지정했는지, 너무 많이 있을 것입니다 - 클래스 구매, 클래스 판매, 종료 클래스 구매, 종료 판매 수업. 얼마나 필요하고 앞으로도 그럴 것입니다. 그리고 별 문제가 없습니다...
첫째, 나는 거기에서 Kohonen의 지도 를 색칠하는 것이 불가능하기 때문에 HC2를 좋아하지 않습니다. 둘째, deductor가 쉽게 허용하는 즉시 클러스터링을 변경할 수 없습니다. 이를 위해 네트워크를 재교육할 필요가 없습니다! 클래스에서 연관 매개변수를 변경하기 위해서만. 동일한 공제기에서 클래스 수를 설정할 수 있고 클러스터링에 대한 유의 수준을 설정할 수 있습니다. 그러면 실제로 얼마나 많은지 명확하지 않거나 클래스 없이 할 수 있고 입력이 떨어지는 셀을 볼 수 있습니다. 안으로.
www.basegroup.ru 는 Google에서 쉽게 검색할 수 있습니다.
www.basegroup.ru 는 Google에서 쉽게 검색할 수 있습니다.
www.basegroup.ru 는 Google에서 쉽게 검색할 수 있습니다.