타이머를 통해 정보 스트림을 읽음(불필요한 데이터를 로드하지 않도록) 포인터를 통해 워크플로의 정보 읽기 조명(복사 매수 감소) 평균 제곱근 오차의 그래프를 그리는 기능을 만들었습니다(네트워크가 로컬 최소값을 통해 "이동"하는 방법 참조). 계산을 중지하고 현재 가중치를 파일에 덤프하는 버튼을 추가했습니다. 일반 댓글 추가됨
sergeev писал (а)>> 를 썼습니다. 타이머를 통해 정보 스트림을 읽음(불필요한 데이터를 로드하지 않도록) 포인터를 통해 워크플로의 정보 읽기 조명(복사 매수 감소) 평균 제곱근 오차의 그래프를 그리는 기능을 만들었습니다(네트워크가 로컬 최소값을 통해 "이동"하는 방법 참조). 계산을 중지하고 현재 가중치를 파일에 덤프하는 버튼을 추가했습니다. 일반 댓글 추가됨
1. 헤더를 통해 MetaTrader와 VC++ 간의 정상적인 교환을 만들었습니다. - CreatePattern - 입력, 출력 벡터의 파일을 생성하고, 또한 헤더에 출력/출력의 패턴 수 및 치수에 대한 정보를 씁니다. - 다음으로 VC++는 유사한 배열을 자체적으로 읽고 생성합니다. 그리드로 처리한 후 동일한 이름의 파일을 생성하지만 .wgh 유형을 사용하여 네트워크 가중치, 임계값 및 네트워크 모델 헤더(계층 수, 차원)를 기록합니다. - 표시기 NeuroInd.mq4(NeuroIndP) - 가중치 파일을 읽고 자체적으로 유사한 모델을 빌드하고 이제 CreatePattern과 동일한 알고리즘을 사용하여 막대를 통과하고 이 그리드에 입력을 제공합니다. 표시기는 출력 벡터를 만듭니다. NeuroIndP - 같은 것을 읽지만 진입점을 보여줍니다.
CreatePattern 스크립트와 NeuroInd 칠면조는 입력 벡터를 제공하기 위한 동일한 알고리즘에 의해 서로 "연결"됩니다. 유일한 차이점은 NeuroInd가 입력 벡터의 다른 차원을 가질 수 있다는 점입니다(네트워크를 처리하기로 결정한 방법에 따라 다름) . 이 알고리즘을 어떻게든 보편화하고 별도의 파일(예: <InputPatternAlg.mqh>)에 넣어야 합니다. 따라서이 단지에서는 변경 만 가능합니다. ----------- 2. 클래스 구조에서 VC++는 중간 CLayers를 제거했습니다(제 생각에는 실수였습니다 :) + 약간의 메모리 절약 + 그리드 계산 알고리즘 은 표시기의 계산 알고리즘 과 완전히 일치합니다).
네트워크 작업을 하면 할수록 입력-출력 쌍만큼 중요한 입력이 아니라는 것을 더 많이 이해하게 됩니다. 이와 관련하여 StatBars의 첫 페이지에 있는 기사는 "학습에 매우 유용"할 것입니다. 나는 또한 출력이 바이너리가 아니라 연속적이라면 근사가 더 빠르고 아마도 더 낫다는 것을 알았습니다. (일관되지 않고 반복적인 인-아웃 쌍이 거의 없음).
원칙적으로 모든 것이 입력에 문제가 없습니다. 체커 사각형(예: 기간당 5개 값의 5개 마침표)은 고유하고 반복되지 않는 항목을 제공합니다.
다음은 출구입니다...
테스트된 출력 비율(Up-Dn)/(Up+Dn). 빠르게 수렴합니다.
유일한 단점은 이 비율이 Up 및 Dn의 절대값에 대한 대략적인 지식을 제공하지 않는다는 것입니다. 하지만 저는 그렇게 하고 싶습니다. :) 그는 10/20이 50/100이든 상관하지 않습니다.
Up-Dn을 출력으로 제공하고(가격 편차의 값과 방향을 알기 위해) 아크 탄젠트로 압축하면 값이 포화된 것으로 나타납니다.
(나는 검색하고 최대값에 붙는 것을 원하지 않기 때문에 선형 압축이 아니라 아크 탄젠트를 사용하고 있다고 즉시 말할 것입니다.)
(Up-Dn)을 계수로 나누어 포화 값을 줄이는 것이 가능합니다. 그러면 포화가 큰 값에서 발생합니다. 이는 이미 드물고 반복과 불일치가 많지 않습니다.
네트워크 작업을 하면 할수록 입력-출력 쌍만큼 중요한 입력이 아니라는 것을 더 많이 이해하게 됩니다. 이와 관련하여 StatBars의 첫 페이지에 있는 기사는 "학습에 매우 유용"할 것입니다. 나는 또한 출력이 바이너리가 아니라 연속적이라면 근사가 더 빠르고 아마도 더 낫다는 것을 알았습니다. (일관되지 않고 반복적인 인-아웃 쌍이 거의 없음).
원칙적으로 모든 것이 입력에 문제가 없습니다. 체커 사각형(예: 기간당 5개 값의 5개 마침표)은 고유하고 반복되지 않는 항목을 제공합니다.
다음은 출구입니다...
테스트된 출력 비율(Up-Dn)/(Up+Dn). 빠르게 수렴합니다.
유일한 단점은 이 비율이 Up 및 Dn의 절대값에 대한 대략적인 지식을 제공하지 않는다는 것입니다. 하지만 저는 그렇게 하고 싶습니다. :) 그는 10/20이 50/100이든 상관하지 않습니다.
Up-Dn을 출력으로 제공하고(가격 편차의 값과 방향을 알기 위해) 아크 탄젠트로 압축하면 값이 포화된 것으로 나타납니다.
(나는 검색하고 최대값에 붙는 것을 원하지 않기 때문에 선형 압축이 아니라 아크 탄젠트를 사용하고 있다고 즉시 말할 것입니다.)
(Up-Dn)을 계수로 나누어 포화 값을 줄이는 것이 가능합니다. 그러면 포화가 큰 값에서 발생합니다. 이는 이미 드물고 반복과 불일치가 많지 않습니다.
바꾸어 말하면, 여기에 시장에 대해 선형으로 분리 가능한 분류를 얻는 것이 가능하다는 증거가 있다고 말할 수 있습니다.
나 자신은 " 배타적" 또는 "선형" 네트워크를 만드는 것이 불가능하다는 곳에서 스마트 북을 읽은 후 시장에 선형 네트워크를 사용하는 것이 불가능하다고 생각했습니다(시장이 훨씬 더 "배타적 또는":)보다 복잡합니다.
아니면 아닐 수도 있어요? 아마도 유리가 맞습니까? 그리고 비선형 책에 대한 책을 많이 쓸 필요가 없지만 비행기로 모든 것을 이길 수 있습니까?
모든 문제에 대해 선형 분리 가능한 분류를 얻을 수 있습니다.
그러나 이를 위해서는 비선형 퍼셉트론 자체가 패턴을 찾을 수 있는 동안 직접 패턴을 찾고 이를 기반으로 입력을 구성해야 합니다.
위에서 썼듯이 - 선형 퍼셉트론으로 긍정적인 결과를 얻은 경우 - 실제로 필요하지 않은 경우 규칙이 이미 발견되었습니다.
네트워크 템플릿입니다. 별도의 스레드(CWinThread)에서 실행됩니다.
우리가 원하는 대로 버전이 아직 완성되지 않았습니다. 스레드 중단 제어가 없습니다.
파일 작업의 논리가 제대로 구현되지 않았습니다.
잘못된 코드 주석이 많습니다.
15.07.08
포인터를 통해 워크플로의 정보 읽기 조명(복사 매수 감소)
평균 제곱근 오차의 그래프를 그리는 기능을 만들었습니다(네트워크가 로컬 최소값을 통해 "이동"하는 방법 참조).
계산을 중지하고 현재 가중치를 파일에 덤프하는 버튼을 추가했습니다.
일반 댓글 추가됨
16.08.08
타이머를 통해 정보 스트림을 읽음(불필요한 데이터를 로드하지 않도록)
포인터를 통해 워크플로의 정보 읽기 조명(복사 매수 감소)
평균 제곱근 오차의 그래프를 그리는 기능을 만들었습니다(네트워크가 로컬 최소값을 통해 "이동"하는 방법 참조).
계산을 중지하고 현재 가중치를 파일에 덤프하는 버튼을 추가했습니다.
일반 댓글 추가됨
16.08.08
Sergeev Alexei의 부러운 다산!
Sergeev Alexei의 부러운 다산!
+1 :)
- CreatePattern - 입력, 출력 벡터의 파일을 생성하고, 또한 헤더에 출력/출력의 패턴 수 및 치수에 대한 정보를 씁니다.
- 다음으로 VC++는 유사한 배열을 자체적으로 읽고 생성합니다. 그리드로 처리한 후 동일한 이름의 파일을 생성하지만 .wgh 유형을 사용하여 네트워크 가중치, 임계값 및 네트워크 모델 헤더(계층 수, 차원)를 기록합니다.
- 표시기 NeuroInd.mq4(NeuroIndP) - 가중치 파일을 읽고 자체적으로 유사한 모델을 빌드하고 이제 CreatePattern과 동일한 알고리즘을 사용하여 막대를 통과하고 이 그리드에 입력을 제공합니다. 표시기는 출력 벡터를 만듭니다. NeuroIndP - 같은 것을 읽지만 진입점을 보여줍니다.
CreatePattern 스크립트와 NeuroInd 칠면조는 입력 벡터를 제공하기 위한 동일한 알고리즘에 의해 서로 "연결"됩니다. 유일한 차이점은 NeuroInd가 입력 벡터의 다른 차원을 가질 수 있다는 점입니다(네트워크를 처리하기로 결정한 방법에 따라 다름) . 이 알고리즘을 어떻게든 보편화하고 별도의 파일(예: <InputPatternAlg.mqh>)에 넣어야 합니다. 따라서이 단지에서는 변경 만 가능합니다.
-----------
2. 클래스 구조에서 VC++는 중간 CLayers를 제거했습니다(제 생각에는 실수였습니다 :) + 약간의 메모리 절약 + 그리드 계산 알고리즘 은 표시기의 계산 알고리즘 과 완전히 일치합니다).
네트워크 작업을 하면 할수록 입력-출력 쌍만큼 중요한 입력이 아니라는 것을 더 많이 이해하게 됩니다. 이와 관련하여 StatBars의 첫 페이지에 있는 기사는 "학습에 매우 유용"할 것입니다. 나는 또한 출력이 바이너리가 아니라 연속적이라면 근사가 더 빠르고 아마도 더 낫다는 것을 알았습니다. (일관되지 않고 반복적인 인-아웃 쌍이 거의 없음).
원칙적으로 모든 것이 입력에 문제가 없습니다. 체커 사각형(예: 기간당 5개 값의 5개 마침표)은 고유하고 반복되지 않는 항목을 제공합니다.
다음은 출구입니다...
테스트된 출력 비율(Up-Dn)/(Up+Dn). 빠르게 수렴합니다.
유일한 단점은 이 비율이 Up 및 Dn의 절대값에 대한 대략적인 지식을 제공하지 않는다는 것입니다. 하지만 저는 그렇게 하고 싶습니다. :) 그는 10/20이 50/100이든 상관하지 않습니다.
Up-Dn을 출력으로 제공하고(가격 편차의 값과 방향을 알기 위해) 아크 탄젠트로 압축하면 값이 포화된 것으로 나타납니다.
(나는 검색하고 최대값에 붙는 것을 원하지 않기 때문에 선형 압축이 아니라 아크 탄젠트를 사용하고 있다고 즉시 말할 것입니다.)
(Up-Dn)을 계수로 나누어 포화 값을 줄이는 것이 가능합니다. 그러면 포화가 큰 값에서 발생합니다. 이는 이미 드물고 반복과 불일치가 많지 않습니다.
또 다른 옵션은 Up 및 Dn 변경에 대해서만 네트워크를 별도로 시도하는 것입니다.
다른 옵션 이 있는 사람이 있는지 궁금합니다.
네트워크 작업을 하면 할수록 입력-출력 쌍만큼 중요한 입력이 아니라는 것을 더 많이 이해하게 됩니다. 이와 관련하여 StatBars의 첫 페이지에 있는 기사는 "학습에 매우 유용"할 것입니다. 나는 또한 출력이 바이너리가 아니라 연속적이라면 근사가 더 빠르고 아마도 더 낫다는 것을 알았습니다. (일관되지 않고 반복적인 인-아웃 쌍이 거의 없음).
원칙적으로 모든 것이 입력에 문제가 없습니다. 체커 사각형(예: 기간당 5개 값의 5개 마침표)은 고유하고 반복되지 않는 항목을 제공합니다.
다음은 출구입니다...
테스트된 출력 비율(Up-Dn)/(Up+Dn). 빠르게 수렴합니다.
유일한 단점은 이 비율이 Up 및 Dn의 절대값에 대한 대략적인 지식을 제공하지 않는다는 것입니다. 하지만 저는 그렇게 하고 싶습니다. :) 그는 10/20이 50/100이든 상관하지 않습니다.
Up-Dn을 출력으로 제공하고(가격 편차의 값과 방향을 알기 위해) 아크 탄젠트로 압축하면 값이 포화된 것으로 나타납니다.
(나는 검색하고 최대값에 붙는 것을 원하지 않기 때문에 선형 압축이 아니라 아크 탄젠트를 사용하고 있다고 즉시 말할 것입니다.)
(Up-Dn)을 계수로 나누어 포화 값을 줄이는 것이 가능합니다. 그러면 포화가 큰 값에서 발생합니다. 이는 이미 드물고 반복과 불일치가 많지 않습니다.
또 다른 옵션은 Up 및 Dn 변경에 대해서만 네트워크를 별도로 시도하는 것입니다.
다른 옵션 이 있는 사람이 있는지 궁금합니다.
각 막대에 일종의 입력 벡터를 제공하고 각 막대에 출력이 필요합니까?