접근하는 방법은 이렇다... 5~10분 전 틱을 보면 분석할 수 있는 막대는 충분하지만 마지막 순간 막대의 틱은 기억하고 계산할 수 있다. 그리고 그러한 거대한 용량은 필요하지 않습니다.
오랫동안 저는 MT4의 데이터 표시 형식에 만족하지 못했습니다. 기간 - 시장에 처음 등장했을 때부터 내 눈을 가장 먼저 사로잡았던 것은 똑같습니다. 저것들. MT4에서 사용할 수 있는 FOP를 보면 이것이 우연이 아님을 빨리 깨닫게 됩니다! 말하자면 편의를 위해 생각한 것입니다 ... -:)
따라서 그리드를 처리하자마자 시간 프레임은 turkeys - f firebox를 따릅니다. 실제로 이 터미널에서 작동하려면 견적과 거래 인터페이스만 필요합니다. 나머지는 보증금에 해를 끼치 지 않고 안전하게 버릴 수 있습니다.
오랫동안 저는 MT4의 데이터 표시 형식에 만족하지 못했습니다. 기간은 시장에 출시된 첫날부터 내 눈을 가장 먼저 사로잡은 것입니다. 저것들. MT4에서 사용할 수 있는 FOP를 보면 이것이 우연이 아님을 빨리 깨닫게 됩니다! 말하자면 편의를 위해 생각한 것입니다 ... -:)
따라서 그리드를 처리하자마자 시간 프레임은 turkeys - f firebox를 따릅니다. 실제로 이 터미널에서 작동하려면 견적과 거래 인터페이스만 필요합니다. 나머지는 보증금에 해를 끼치 지 않고 안전하게 버릴 수 있습니다.
그러니 고민하지 말고 미리 만들어진 그리드를 사용하세요. 예를 들어 Java에는 많은 것들이 있습니다. MQL4에서 두뇌를 건조시키고 바퀴를 재발명하는 이유는...
for (int k = 0; k < 17; k++) {---------------------------------------------------------------// Сууммируем микрокоррекции для входов Correction11[k] += d_11_in * D1[k];----------------------// первого нейрона SquareCorrection11[k] += Correction11[k] * Correction11[k]; }
for (k = 0; k < 17; k++) {---------------------------------------------------------------// Суммируем микрокоррекции для входов Correction12[k] += d_12_in * D1[k];----------------------// второго нейрона SquareCorrection12[k] += Correction12[k] * Correction12[k]; } }
paralocus , 이제 각 가중치에 대한 제곱합의 제곱근을 취하고 이 비율로 각 총 가중치 수정을 나눕니다. 그게 다야, 그리고 각 가중치에 추가하십시오! 이것은 한 시대입니다. 따라서 계획된 훈련 epoch 수만큼 반복해야 합니다. 훈련이 끝날 때까지 다음 에포크의 기여 배율을 0으로 점차적으로 줄입니다.
Neutron>> : ... 이제 각 가중치에 대한 제곱합의 제곱근을 취하고 이 비율로 각 총 가중치 수정을 나눕니다. 그게 다야, 그리고 각 가중치에 추가하십시오! 이것은 한 시대입니다. 따라서 훈련 에포크가 계획된 만큼 반복해야 합니다. 훈련이 끝날 때까지 다음 에포크의 기여 배율을 0으로 점차적으로 줄입니다.
만들어진:
for(int q =1; q <=1000; q ++){// ----------------------------------------- ЭПОХА --------------------------------------------------- for(int i = cikl ; i >=0; i --){
out = OUT2 ( i );// Получаем вых. сигнал сетки
test =(Close[ i ]-Close[ i +1])/Close[ i +1];// Получаем n+1-вый отсчет
d_2_out = test - out ;// Ошибка на выходе сетки
d_2_in = d_2_out *(1- out * out );// Ошибка на входе выходного нейрона
Correction2 [0]+= d_2_in * D2 [0];// Суммируем микрокоррекции
SquareCorrection2 [0]+= Correction2 [0]* Correction2 [0];// по каждому весу входящему в вых. нейрон
Correction2 [1]+= d_2_in * D2 [1];// и суммируем квадраты оных микрокоррекций
SquareCorrection2 [1]+= Correction2 [1]* Correction2 [1];
Correction2 [2]+= d_2_in * D2 [2];
SquareCorrection2 [2]+= Correction2 [2]* Correction2 [2];
d_11_in = d_2_in *(1- D2 [1]* D2 [1]);// Считаем ошибку на входах нейронов
d_12_in = d_2_in *(1- D2 [2]* D2 [2]);// скрытого слояfor(int k =0; k <17; k ++){// Сууммируем микрокоррекции для входов
Correction11 [ k ]+= d_11_in * D1 [ k ];// первого нейрона
SquareCorrection11 [ k ]+= Correction11 [ k ]* Correction11 [ k ];}for( k =0; k <17; k ++){// Суммируем микрокоррекции для входов
Correction12 [ k ]+= d_12_in * D1 [ k ];// второго нейрона
SquareCorrection12 [ k ]+= Correction12 [ k ]* Correction12 [ k ];}}// ------------------------------------- КОНЕЦ ЭПОХИ --------------------------------------------------// ----------------------------------- КОРРЕКЦИЯ ВЕСОВ ------------------------------------------------for( k =0; k <3; k ++)
W2 [ k ]+= Correction2 [ k ]/MathSqrt( SquareCorrection2 [ k ]);for( k =0; k <17; k ++){
W1 [0, k ]+= Correction11 [ k ]/MathSqrt( SquareCorrection11 [ k ]);
W1 [1, k ]+= Correction12 [ k ]/MathSqrt( SquareCorrection12 [ k ]);}}
나는 다음 epoch의 기여 승수를 줄이는 방법에 대해 조금 이해하지 못했습니다 .... 교육이 끝날 때까지 출력 레이어의 가중치는 매우 작아지고 숨겨진 레이어의 가중치는 반대로 크다.
진실이다! 그러나 소란이 필요하지 않습니다. 수프는 별도입니다.
바에 관해서는 평균가 없이 공개 가격만 사용합니다. 그리고 계획에서 나는 현명한 Halt가 굴러가는 대로 할 것입니다 - 나는 tics로 전환할 것입니다. 여기서 진실은 정보를 저장하고 수집하는 방식을 수정해야 합니다. 하지만 가치가 있다면 왜 안 될까요?
... 그리고 이 모든 소란이 국회와 함께라면 단순한 스캘퍼로 오지 않을 것입니다. 틱 수준에서 시간별 추세를 파악할 수 있다는 것이 믿기지 않습니다. 물론 틱 수에 따라 다르지만... 여기에서는 컴퓨팅 성능에 제한이 있습니다...
네, 소란을 피우지 않습니다 :) 진드기의 유용성은 문헌에서도 인정합니다... 혼돈 이론의 냄새가 났어요... 그럴만한 가치가 있는지는... 그럴만한 가치가 있나요? 그리고 Prival은 이것을 어디에서 조언합니까?
이봐.
... 그리고 이 모든 소란이 국회와 함께라면 단순한 스캘퍼로 오지 않을 것입니다. 틱 수준에서 시간별 추세를 파악할 수 있다는 것이 믿기지 않습니다. 물론 틱 수에 따라 다르지만... 여기에서는 컴퓨팅 성능에 제한이 있습니다...
글쎄, 비행기는 ... 한 번 날았다. 그리고 얼마나 많은 회의론이 있었는지 ...
... 그리고 이 모든 소란이 국회와 함께라면 단순한 스캘퍼로 오지 않을 것입니다. 틱 수준에서 시간별 추세를 파악할 수 있다는 것이 믿기지 않습니다. 물론 틱 수에 따라 다르지만... 여기에서는 컴퓨팅 성능에 제한이 있습니다...
접근하는 방법은 이렇다... 5~10분 전 틱을 보면 분석할 수 있는 막대는 충분하지만 마지막 순간 막대의 틱은 기억하고 계산할 수 있다. 그리고 그러한 거대한 용량은 필요하지 않습니다.
접근하는 방법은 이렇다... 5~10분 전 틱을 보면 분석할 수 있는 막대는 충분하지만 마지막 순간 막대의 틱은 기억하고 계산할 수 있다. 그리고 그러한 거대한 용량은 필요하지 않습니다.
오랫동안 저는 MT4의 데이터 표시 형식에 만족하지 못했습니다. 기간 - 시장에 처음 등장했을 때부터 내 눈을 가장 먼저 사로잡았던 것은 똑같습니다. 저것들. MT4에서 사용할 수 있는 FOP를 보면 이것이 우연이 아님을 빨리 깨닫게 됩니다! 말하자면 편의를 위해 생각한 것입니다 ... -:)
따라서 그리드를 처리하자마자 시간 프레임은 turkeys - f firebox를 따릅니다. 실제로 이 터미널에서 작동하려면 견적과 거래 인터페이스만 필요합니다. 나머지는 보증금에 해를 끼치 지 않고 안전하게 버릴 수 있습니다.
오랫동안 저는 MT4의 데이터 표시 형식에 만족하지 못했습니다. 기간은 시장에 출시된 첫날부터 내 눈을 가장 먼저 사로잡은 것입니다. 저것들. MT4에서 사용할 수 있는 FOP를 보면 이것이 우연이 아님을 빨리 깨닫게 됩니다! 말하자면 편의를 위해 생각한 것입니다 ... -:)
따라서 그리드를 처리하자마자 시간 프레임은 turkeys - f firebox를 따릅니다. 실제로 이 터미널에서 작동하려면 견적과 거래 인터페이스만 필요합니다. 나머지는 보증금에 해를 끼치 지 않고 안전하게 버릴 수 있습니다.
그러니 고민하지 말고 미리 만들어진 그리드를 사용하세요. 예를 들어 Java에는 많은 것들이 있습니다. MQL4에서 두뇌를 건조시키고 바퀴를 재발명하는 이유는...
그러니 고통받지 말고 미리 만들어진 그리드를 사용하세요. 예를 들어 자바에는 많은 것들이 있습니다... MQL4에서 두뇌를 건조시키고 바퀴를 재발명하는 이유는...
그럼 알아.
그러니 고민하지 말고 미리 만들어진 그리드를 사용하세요. 예를 들어 Java에는 많은 것들이 있습니다. MQL4에서 두뇌를 건조시키고 바퀴를 재발명하는 이유는...
글쎄, 당신은 농담했다! - 다른 사람의 분해 실수. 예, 내 알고리즘은 특정 작업에 대해 더 최적으로 선명해질 것입니다).
그래서 모든 것이 가중치 수정에 달려있는 것 같습니다!
{
out = OUT2(i);---------------------------------------------------// Получаем вых. сигнал сетки
test = (Close[i]-Close[i+1])/Close[i+1];--------------------------// Получаем n+1-вый отсчет
d_2_out = test - out;---------------------------------------------// Ошибка на выходе сетки
d_2_in = d_2_out * (1 - out*out);--------------------------------// Ошибка на входе выходного нейрона
Correction2[0] += d_2_in * D2[0];---------------------------// Суммируем микрокоррекции
SquareCorrection2[0] += Correction2[0] * Correction2[0];----------// по каждому весу входящему в вых. нейрон
Correction2[1] += d_2_in * D2[1];---------------------------// и суммируем квадраты оных микрокоррекций
SquareCorrection2[1] += Correction2[1] * Correction2[1];
Correction2[2] += d_2_in * D2[2];
SquareCorrection2[2] += Correction2[2] * Correction2[2];
d_11_in = d_2_in * (1 - D2[1]*D2[1]);-----------------------------// Считаем ошибку на входах нейронов
d_12_in = d_2_in * (1 - D2[2]*D2[2]);-----------------------------// скрытого слоя
for (int k = 0; k < 17; k++)
{---------------------------------------------------------------// Сууммируем микрокоррекции для входов
Correction11[k] += d_11_in * D1[k];----------------------// первого нейрона
SquareCorrection11[k] += Correction11[k] * Correction11[k];
}
for (k = 0; k < 17; k++)
{---------------------------------------------------------------// Суммируем микрокоррекции для входов
Correction12[k] += d_12_in * D1[k];----------------------// второго нейрона
SquareCorrection12[k] += Correction12[k] * Correction12[k];
}
}
여러분, 얕은 지역 최솟값과 비뚤어진 초기 가중치로 비행하는 데 어떻게 어려움을 겪고 있는지 알려주십시오. 내가 알기로는 처음에는 훈련에 어떤 식으로든 영향을 미치지 않지만 나중에는 결과에 매우 강하게 영향을 미치기 시작합니다.
... 이제 각 가중치에 대한 제곱합의 제곱근을 취하고 이 비율로 각 총 가중치 수정을 나눕니다. 그게 다야, 그리고 각 가중치에 추가하십시오! 이것은 한 시대입니다. 따라서 훈련 에포크가 계획된 만큼 반복해야 합니다. 훈련이 끝날 때까지 다음 에포크의 기여 배율을 0으로 점차적으로 줄입니다.
만들어진:
나는 다음 epoch의 기여 승수를 줄이는 방법에 대해 조금 이해하지 못했습니다 .... 교육이 끝날 때까지 출력 레이어의 가중치는 매우 작아지고 숨겨진 레이어의 가중치는 반대로 크다.
경고: W2[0] = -0.0414 W2[1] = 0.0188 W2[2] = -0.0539
경고: W1[1,0]=-27.0731 W1[1,1]=-30.2069 W1[1,2]=37.6292 W1[1,3]=30.4359 W1[1,4]=-22.7556 W1[1,5 ]=-37.5899