네트워크에 대한 관심은 챔피언십에서 네트워크와 함께 Expert Advisor의 승리로 더욱 가속화될 것입니다.
물론 다른 네트워크가 있습니다. 그러나 그 사람은 일을 했고 결과를 얻었습니다.
문제는 어떤 종류의 네트워크가 아니라 네트워크에서 무엇을 얻고자 하는지입니다. 그리고 그 결과는 NS 덕분이 아니라 이 NS가 일종의 확률적 예측으로 집계하고 발행한 거래 조건 덕분입니다. NN은 본질적으로 적응형(자가 학습 NN)이 될 수 있고 따라서 지연(학습 기간 동안)을 가질 수 있는 필터입니다. NN의 장점은 TS의 이질적인 구성 요소를 하나의 결과로 결합하고 이러한 구성 요소에 대한 유의 계수를 독립적으로 배열할 수 있다는 것입니다(학습할 것입니다).
이 스크립트의 로직은 단순한 4v2 인코더와 비슷합니다.
인코더는 학습 시스템이 아닙니다.
그리고 이 스크립트의 네트워크는 훈련됩니다. 또한, 학습 과정은 화면에 시대에서 시대로 역학으로 표시됩니다.
각 레이어에서 뉴런의 가중치가 어떻게 변하는지, 그리드가 학습하면서 결과를 점점 더 정확하게 제공하는지 확인할 수 있습니다.
위는 동일한 알고리즘이 학습한 세 개의 게시물입니다.
세 가지 다른 데이터 세트로 작업합니다.
인코더의 경우 각 데이터 세트에 대해 세 개의 인코더가 필요합니다.
학습 알고리즘을 약간 개선했습니다.
첫 번째는 GENETIC ALGORITHM 과 같은 뉴런의 수를 동적으로 변경하지만 가장 좋은 것을 선택하지 않고 자손을 만들지 않고 연결을 수정하지 않고 :-)
결과의 높은 정확도 달성 시 2차 중지 교육
학습 알고리즘을 약간 개선했습니다.
첫 번째는 가장 좋은 것을 선택하지 않고 자손을 만들지 않고 :-) 연결을 수정하지 않고도 유전자 알고리즘과 같은 뉴런 수를 동적으로 변경합니다.
결과의 높은 정확도 달성 시 2차 중지 교육
대중을 위한 수정된 버전이 있습니까?
이 스크립트의 로직은 단순한 4v2 인코더와 비슷합니다.
인코더는 학습 시스템이 아닙니다.
그리고 이 스크립트의 네트워크는 훈련됩니다. 또한, 학습 과정은 화면에 시대에서 시대로 역학으로 표시됩니다.
각 레이어에서 뉴런의 가중치가 어떻게 변하는지, 그리드가 학습하면서 결과를 점점 더 정확하게 제공하는지 확인할 수 있습니다.
위는 동일한 알고리즘이 학습한 세 개의 게시물입니다.
세 가지 다른 데이터 세트로 작업합니다.
인코더의 경우 각 데이터 세트에 대해 세 개의 인코더가 필요합니다.
학습 알고리즘을 약간 개선했습니다.
첫 번째는 가장 좋은 것을 선택하지 않고 자손을 만들지 않고 :-) 연결을 수정하지 않고도 유전자 알고리즘과 같은 뉴런 수를 동적으로 변경합니다.
결과의 높은 정확도 달성 시 2차 중지 교육
잘 !!! 얼음이 깨졌다! :)))))
학습 알고리즘을 약간 개선했습니다.
첫 번째는 가장 좋은 것을 선택하지 않고 자손을 만들지 않고 :-) 연결을 수정하지 않고도 유전자 알고리즘과 같은 뉴런 수를 동적으로 변경합니다.
결과의 높은 정확도 달성 시 2차 중지 교육
대중을 위한 수정된 버전이 있습니까?
물론 저도 한번 가보고 싶은데 다른 분이 추가해주실지도 모르겠네요 :)
정확성에 관한 한, 나는 그것이 요점이라고 생각하지 않습니다.
목표는 네트워크가 훈련이 끝날 때 모든 훈련 세트를 구별하는 것입니다.
그들 사이 . 그리고 이것은 정상적인 정확도에서 사용할 수 있습니다.
이 네트워크의 실험에서 알 수 있듯이 300개의 에포크 교육만으로도 "생각"하는 법을 배우기에 충분합니다.
위의 세트와 함께. 네, 훈련 과정에서 시각적으로 볼 수 있습니다.
네트워크는 데이터 세트를 빠르게 구별하기 시작합니다.
그러나 뉴런의 수를 동적으로 변경하는 것은 테스트 전문가에게서 이미 보는 것이 흥미로울 것입니다.
이 그리드가 포함될 위치입니다. 그리고 MT 옵티마이저에서 뉴런의 수를 선택합니다.
그리고 가격을 예측하게 하는 방법은 무엇입니까?
안 돼요. 신경망에서 기적을 기대할 필요가 없습니다. 예측은 국회가 정하는 것이 아니라 그 안에 내재된 알고리즘에 의해, 매매조건에서 알고리즘이 만들어지고, 매매조건은 .... 당신이 결정한다.
반대는 아니지만 거래에서 신경망 을 사용하는 것은 아직 아닙니다...
비슷하게 :) !!!
그러나 알고리즘은 작동하고 학습합니다. :) 그리고 나서 우리는 보게 될 것입니다 :)
네트워크에 대한 관심은 챔피언십에서 네트워크와 함께 Expert Advisor의 승리로 더욱 가속화될 것입니다.
물론 다른 네트워크가 있습니다. 그러나 그 사람은 일을 했고 결과를 얻었습니다.
문제는 어떤 종류의 네트워크가 아니라 네트워크에서 무엇을 얻고자 하는지입니다. 그리고 그 결과는 NS 덕분이 아니라 이 NS가 일종의 확률적 예측으로 집계하고 발행한 거래 조건 덕분입니다. NN은 본질적으로 적응형(자가 학습 NN)이 될 수 있고 따라서 지연(학습 기간 동안)을 가질 수 있는 필터입니다. NN의 장점은 TS의 이질적인 구성 요소를 하나의 결과로 결합하고 이러한 구성 요소에 대한 유의 계수를 독립적으로 배열할 수 있다는 것입니다(학습할 것입니다).
학습 알고리즘을 약간 개선했습니다.
첫 번째는 가장 좋은 것을 선택하지 않고 자손을 만들지 않고 :-) 연결을 수정하지 않고도 유전자 알고리즘과 같은 뉴런 수를 동적으로 변경합니다.
결과의 높은 정확도 달성 시 2차 중지 교육
대중을 위한 수정된 버전이 있습니까?
빅터, 의지
덧붙여서 나는 때때로 예보의 정확도를 높이는 것을 달성했습니다! 문제는 naal 알고리즘을 배우는 데 오랜 시간이 걸린다는 것입니다 :-)))
이 문제를 해결할 때까지 이 코드를 여기에 게시하겠습니다!
타이머 덤프 코드가 그리워요! 조건에 의한 것은 아니지만 MQL4에서는 그렇지 않습니다.
그리고 가격을 예측하게 하는 방법은 무엇입니까?
안 돼요. 신경망에서 기적을 기대할 필요가 없습니다. 예측은 국회가 정하는 것이 아니라 그 안에 내재된 알고리즘에 의해, 매매조건에서 알고리즘이 만들어지고, 매매조건은 .... 당신이 결정한다.
그리고 가치 있는 알고리즘을 만나지 못했다???
그들에 대해 적어도 몇 마디.
그리고 가격을 예측하게 하는 방법은 무엇입니까?
안 돼요. 신경망에서 기적을 기대할 필요가 없습니다. 예측은 국회가 정하는 것이 아니라 그 안에 내재된 알고리즘에 의해, 매매조건에서 알고리즘이 만들어지고, 매매조건은 .... 당신이 결정한다.
전문가는 가격이 아닌 변화를 예측하는 것이 좋습니다.
정규화가 항상 필요한 것은 아닙니다. 누가 네트워크가 0과 1에서만 작동할 수 있고 작동해야 한다고 말했습니까?
예를 들어 간단한 그리드를 첨부할 수 있습니다. (안타깝게도 지금은 수중에 있는 자료가 없습니다) - 나중에 첨부하겠습니다.
여기서 단순 NN은 정규화를 통한 사전 데이터 준비 없이 이 문제를 해결합니다.
불행히도 이것은 원본이 아닙니다
그러나 내가 드린 예! 그것은 이미 정상화되었습니다두 가지 범위가 있는 조건
1 0-100
2 10-30
한 범위에서 위치 비율을 찾으면 됩니다.
기본적으로 스케일링입니다.
정규화는 거의 항상 필요합니다. 데이터는 활성화 기능의 범위 내에 있어야 합니다.
스크립트에서 sigmoid는 [-1; +1]입니다. 예를 들어 지수 ... 또는 제곱근 으로 바꾸면 .
http://www.statsoft.ru/home/portal/applications/NeuralNetworksAdvisor/Adv-new/ActivationFunctions.htm