StatBars에서 기사를 읽으십시오. 매우 교육적입니다. 인식하지 못하는 사람들을 위해 분류된 이미지의 복잡성에 대한 훈련 샘플의 반복성 및 비일관성의 종속성의 특성이 고려됩니다. " 스크립트 형태의 신경망 " 및 https://forum.mql4.com/en/8835/page2 분기에서 사람들은 "선생님"의 방향에 따라 이산 바이너리 원칙에 따라 출력을 구성합니다. , 벡터를 형성합니다. (예를 들어, 3개의 출력 1-0-0 up, 0-1-0 flat, 0-0-1 down). 다른 변형에서는 하나의 출력이 제안되지만 이러한 기호에 따라 이산 값으로 나뉩니다. 1.0 - 낮 동안 70포인트 이상 상승하고 30포인트 미만 하락. 0.9 - 60 위로 25 아래로 0.8 - 40 위로 20 아래로 0.75 - 플랫 0.7 - 40 아래로, 20 위로 0.6 - 60 아래로 25 위로 0.5 - 70 아래로 30 위로
그러나 기사에 명시된 내용을 고려할 때 공식은 아마도 출력에 대한 최상의 해석일 것입니다. Target=(Up-Dn)/(Up+Dn), 여기서 Up - "교사" 기간의 상향 이동 높이, Dn - 하향 이동 높이. 이 경우 종료 범위는 연속적이며 [-1,+1] 범위, 경계 조건 +1 - 강한 상향 이동, -1 - 강한 하향 이동, 0 - 플랫입니다. 이 경우 변수 Z를 도입하면 이러한 방식으로 출력을 세 부분으로 나눌 수 있습니다. -1<-Z<+Z<+1 및 변수 Z에 대해 이익을 최대화합니다. 저것들. 입력 벡터와 추가 추세 관계 간의 관계를 구축해 보겠습니다. 이 연속 출력을 통해 훈련 세트의 만족스러운 비반복성과 일관성을 얻을 수 있습니다.
다른 한편으로, 우리는 여전히 추세 매개변수 간의 관계뿐만 아니라 미래 가격의 상대 가치도 알고 싶습니다. 이를 위해 변수 TP, SL을 도입합니다. 그리드에서 Up-TP, Dn-TP, Up-SL, Dn-SL, 즉 Up-TP>0, Dn-SL<0 구매 및 Dn-TP> 공식에 따라 4개의 출력을 계산합니다. 0, Up-SL< 0 판매합니다. 이러한 TP 및 SL 변수에 대한 이익 극대화.
세 번째 네트워크는 최고가의 속도를 결정합니다. 교사 기간 = X 막대이고 Up=BU, Dn=BD에 도달하는 막대인 경우 네트워크 출력은 BU-BD 비율과 같아야 하지만 (BU-BD)/X>0, 도달했을 때 맨 위보다 맨 아래에 있고 맨 아래보다 맨 위에 도달하면 < 0입니다. 이 경우 이익 극대화는 0에 상대적입니다.
초보자를 위해 - 첫 번째 부분을 구현하십시오. " 입력 값을 올바르게 구성하는 방법 " 주제로 다시 돌아가십시오(다른 모든 것은 사소한 일입니다) :(
완전히 동의합니다.
나는 주제에서 벗어나지 않는다. 그대로, 큰 소리로 생각합니다. 비율 = 0.25는 40/100 및 10/40에서도 가능합니다. 첫 번째 경우에만 이익을 얻을 것이고 두 번째 경우에는 이익을 얻지 못할 것입니다. 일반적으로 옵션으로 캐스케이드의 원리에 따라 네트워크를 구축할 수 있습니까(정확히 호출하는 방법을 모르겠습니다): 즉, 여러 네트워크에서 다음 네트워크의 입력만 출력입니다. 이전 것의. 일종의 야생 혼합물이 위원회와 컨볼루션 맵으로 판명되었습니다. :)). 우리는 중간 출력을 알 수 있지만 (독자가있는 것처럼).
다음은 다이어그램입니다.
예를 들어 출력은 이전 게시물에서 설명한 네트워크입니다. 먼저 방향을 결정한 다음 강도를 결정한 다음 속도를 결정합니다.
네트워크가 정상적으로 작동할 수 있습니까? 아니면 정원에 울타리를 두지 않고 간단한 단계로 진행하는 것이 더 낫습니까?
하지만 다른 질문이 있습니다. Sigmoid와 Hypertangent 중 어느 함수가 더 빨리 계산됩니까?
결국 klot 이 더 정확하게 대답한 것 같은데, 이것은 올려주신 그림에서도 알 수 있습니다. 시그모이드의 경우 입력 값이 더 넓은 범위에 있을 수 있습니다. 그림에 따르면 3에서 -3까지라고 말하지만 파이에서 -파이일 가능성이 가장 높습니다.
Target의 경우 딸꾹질을 하기 위해 앞으로 이동하는 막대의 수에 대한 질문이 발생합니다. 결국 이동 높이는 특정 막대의 수에서 선택됩니다. 100개 막대의 간격을 검색하라는 제안이 있습니다. 진입점에서 앞으로 시작하고, 각각 진입점에서 X 포인트 이상의 거리에 있는 2개의 극한값이 발견되면 검색이 중지됩니다. X 포인트는 페어 및 기간에 따라 선택됩니다.
내일은 미래를 내다보는 칠면조 오프닝을 포스팅하겠습니다. 이는 TP=80..100핍인 거래가 약 1500분 동안 유지된다는 것을 분명히 보여주며, 이로부터 다양한 시간 프레임에 대해 적절한 결론을 도출할 수 있습니다. 그러나 X 포인트만큼 위아래로 두 개의 극단에 대한 검색에 대해서는 거의 없습니다. 우리가 내려가서 X 포인트에 도달했다면, 우리는 그들에게 도달할 수 없습니다. 내가 당신을 올바르게 이해 했습니까?
쌍곡선 탄젠트는 어떤 값에서 포화됩니까?
더 +-1...
하이퍼탄젠트가 수축 함수로 사용되는 경우 입력은 이러한 제한 내에서 조정되어야 합니다.
arctagens는 개인적으로 사용할 수 있지만 입력은 + -1.57 이내로 조정되어야 합니다.
시그모이드 클래식 [0-1]
네트워크 분류를 위해 스케일링이 필요하지 않습니다 ...
2 Sart - 초보자라면 https://forum.mql4.com/ru/12474/page9 페이지의 내 게시물 코드에 관심이 있을 것입니다.
Alexey, 관심을 가져주셔서 감사합니다. 하지만 코드를 보기에는 너무 이릅니다. 저는 2, 3, 4개월 동안 이론을 공부할 것입니다.
100년 이상 인용문을 분석하면 '살찐 꼬리'가 보인다..(과장). 예를 들어 마지막 300개 막대와 같은 특정 영역을 선택하면 거기에는 "뚱뚱한 꼬리"가 없습니다...
300마디 길이의 섹션에서 NN도 훈련합니까?
StatBars에서 기사를 읽으십시오. 매우 교육적입니다. 인식하지 못하는 사람들을 위해 분류된 이미지의 복잡성에 대한 훈련 샘플의 반복성 및 비일관성의 종속성의 특성이 고려됩니다. " 스크립트 형태의 신경망 " 및 https://forum.mql4.com/en/8835/page2 분기에서 사람들은 "선생님"의 방향에 따라 이산 바이너리 원칙에 따라 출력을 구성합니다. , 벡터를 형성합니다. (예를 들어, 3개의 출력 1-0-0 up, 0-1-0 flat, 0-0-1 down). 다른 변형에서는 하나의 출력이 제안되지만 이러한 기호에 따라 이산 값으로 나뉩니다.
1.0 - 낮 동안 70포인트 이상 상승하고 30포인트 미만 하락.
0.9 - 60 위로 25 아래로
0.8 - 40 위로 20 아래로
0.75 - 플랫
0.7 - 40 아래로, 20 위로
0.6 - 60 아래로 25 위로
0.5 - 70 아래로 30 위로
그러나 기사에 명시된 내용을 고려할 때 공식은 아마도 출력에 대한 최상의 해석일 것입니다.
Target=(Up-Dn)/(Up+Dn), 여기서 Up - "교사" 기간의 상향 이동 높이, Dn - 하향 이동 높이. 이 경우 종료 범위는 연속적이며 [-1,+1] 범위, 경계 조건 +1 - 강한 상향 이동, -1 - 강한 하향 이동, 0 - 플랫입니다. 이 경우 변수 Z를 도입하면 이러한 방식으로 출력을 세 부분으로 나눌 수 있습니다. -1<-Z<+Z<+1 및 변수 Z에 대해 이익을 최대화합니다.
저것들. 입력 벡터와 추가 추세 관계 간의 관계를 구축해 보겠습니다. 이 연속 출력을 통해 훈련 세트의 만족스러운 비반복성과 일관성을 얻을 수 있습니다.
다른 한편으로, 우리는 여전히 추세 매개변수 간의 관계뿐만 아니라 미래 가격의 상대 가치도 알고 싶습니다. 이를 위해 변수 TP, SL을 도입합니다. 그리드에서 Up-TP, Dn-TP, Up-SL, Dn-SL, 즉 Up-TP>0, Dn-SL<0 구매 및 Dn-TP> 공식에 따라 4개의 출력을 계산합니다. 0, Up-SL< 0 판매합니다. 이러한 TP 및 SL 변수에 대한 이익 극대화.
세 번째 네트워크는 최고가의 속도를 결정합니다. 교사 기간 = X 막대이고 Up=BU, Dn=BD에 도달하는 막대인 경우 네트워크 출력은 BU-BD 비율과 같아야 하지만 (BU-BD)/X>0, 도달했을 때 맨 위보다 맨 아래에 있고 맨 아래보다 맨 위에 도달하면 < 0입니다. 이 경우 이익 극대화는 0에 상대적입니다.
StatBars писал (а) >>
при каких значениях гиперболический тангенс входит в насыщение?
그래프에서 알 수 있듯이 5-6의 값으로 시작합니다.
하지만 다른 질문이 있습니다. Sigmoid와 Hypertangent 중 어느 함수가 더 빨리 계산됩니까?
...
다른 한편으로, 우리는 여전히 추세 매개변수 간의 관계뿐만 아니라 미래 가격의 상대 가치도 알고 싶습니다. 이를 위해 변수 TP, SL을 도입합니다.
...
잘. 모든 것을 엉망으로 만들었습니다. :)
`
요거트 관련글 보러가기 + ' 미래가격의 상대가치 '도 예측이 가능한지 의심스럽네요!!! 높은 확률로, 즉 작은 실수.
그리고 왜???? - 결국, 우리는 이미 " 추가 추세 비율 "을 받았습니다. 맛보기 - "평평"할 때 닫거나 신호가 변경되면 뒤집습니다."
`
초보자를 위해 - 첫 번째 부분을 구현하십시오. " 입력 값을 올바르게 구성하는 방법 " 주제로 다시 돌아가십시오(다른 모든 것은 사소한 일입니다) :(
초보자를 위해 - 첫 번째 부분을 구현하십시오. " 입력 값을 올바르게 구성하는 방법 " 주제로 다시 돌아가십시오(다른 모든 것은 사소한 일입니다) :(
완전히 동의합니다.
나는 주제에서 벗어나지 않는다. 그대로, 큰 소리로 생각합니다. 비율 = 0.25는 40/100 및 10/40에서도 가능합니다. 첫 번째 경우에만 이익을 얻을 것이고 두 번째 경우에는 이익을 얻지 못할 것입니다. 일반적으로 옵션으로 캐스케이드의 원리에 따라 네트워크를 구축할 수 있습니까(정확히 호출하는 방법을 모르겠습니다): 즉, 여러 네트워크에서 다음 네트워크의 입력만 출력입니다. 이전 것의. 일종의 야생 혼합물이 위원회와 컨볼루션 맵으로 판명되었습니다. :)). 우리는 중간 출력을 알 수 있지만 (독자가있는 것처럼).
다음은 다이어그램입니다.
예를 들어 출력은 이전 게시물에서 설명한 네트워크입니다. 먼저 방향을 결정한 다음 강도를 결정한 다음 속도를 결정합니다.
네트워크가 정상적으로 작동할 수 있습니까? 아니면 정원에 울타리를 두지 않고 간단한 단계로 진행하는 것이 더 낫습니까?
이러한 기능은 서로를 통해 쉽게 선형으로 표현됩니다. 그래서 큰 차이가 없습니다. 공식:
tanh(x) = 2*sigmoid(2*x) - 1 = sigmoid(2*x) - sigmoid(-2*x)
일반적으로 집중적인 계산을 사용하면 시그모이드 자체의 계산이 어떻게든 최적화되어야 할 것입니다. 네트워크에는 빠르고 정확한 계산 라이브러리가 있는 것 같습니다.
그래프에서 알 수 있듯이 5-6의 값으로 시작합니다.
하지만 다른 질문이 있습니다. Sigmoid와 Hypertangent 중 어느 함수가 더 빨리 계산됩니까?
결국 klot 이 더 정확하게 대답한 것 같은데, 이것은 올려주신 그림에서도 알 수 있습니다. 시그모이드의 경우 입력 값이 더 넓은 범위에 있을 수 있습니다. 그림에 따르면 3에서 -3까지라고 말하지만 파이에서 -파이일 가능성이 가장 높습니다.
Target의 경우 딸꾹질을 하기 위해 앞으로 이동하는 막대의 수에 대한 질문이 발생합니다. 결국 이동 높이는 특정 막대의 수에서 선택됩니다. 100개 막대의 간격을 검색하라는 제안이 있습니다. 진입점에서 앞으로 시작하고, 각각 진입점에서 X 포인트 이상의 거리에 있는 2개의 극한값이 발견되면 검색이 중지됩니다. X 포인트는 페어 및 기간에 따라 선택됩니다.
내일은 미래를 내다보는 칠면조 오프닝을 포스팅하겠습니다. 이는 TP=80..100핍인 거래가 약 1500분 동안 유지된다는 것을 분명히 보여주며, 이로부터 다양한 시간 프레임에 대해 적절한 결론을 도출할 수 있습니다. 그러나 X 포인트만큼 위아래로 두 개의 극단에 대한 검색에 대해서는 거의 없습니다. 우리가 내려가서 X 포인트에 도달했다면, 우리는 그들에게 도달할 수 없습니다. 내가 당신을 올바르게 이해 했습니까?